模式识别
文章平均质量分 77
loadstar_kun
长期从事图像处理算法研发,对机器学习,模式识别感兴趣
展开
-
Object Recognition and Scene Understanding(五)OpenCV中peopledetect详细介绍
opencv2以后加入了hog相关的内容,并且给出了示例,用的是法国人Navneet Dalal最早在CVPR2005会议上提出的方法。先是使用HOG进行People Detection的,已经提供了完整的方法,在peopledetect.cpp中,主要的方法有HOG特征提取以及训练还有识别,你可以通过 hog.setSVMDetector(HOGDescriptor::getDefaul原创 2013-03-11 17:26:16 · 4608 阅读 · 1 评论 -
数据挖掘领域中的分类和回归区别是什么?
先简单的说下吧,下面给出实际例子类和回归的区别在于输出变量的类型。定量输出称为回归,或者说是连续变量预测;定性输出称为分类,或者说是离散变量预测。举个例子:预测明天的气温是多少度,这是一个回归任务;预测明天是阴、晴还是雨,就是一个分类任务。 拿支持向量机举个例子,分类问题和回归问题都要根据训练样本找到一个实值函数g(x).回归问题的要求是:给定一个新原创 2014-01-07 17:02:46 · 6837 阅读 · 1 评论 -
Multiple Instance Learning
///////////////////////////////////////////推荐学习组//////////////////////////////http://www.robots.ox.ac.uk/~vgg///////////////////////////////////////////////////////////////////////////////////转载 2014-04-03 09:34:10 · 7763 阅读 · 1 评论 -
Kernel method(给部门的讲义PRML chapter6)
参考PRML做的一个系列报告,这是其中之一1.2.3.4.5.6.7.8.原创 2014-04-03 11:22:34 · 2489 阅读 · 0 评论 -
最优化理论与KKT条件
看着内容挺好的,转载一下1. 最优化理论(Optimization Theory)最优化理论是研究函数在给定一组约束条件下的最小值(或者最大值)的数学问题. 一般而言, 一个最优化问题具有如下的基本形式:min.:f(x)s.t.:gi(x)≤0,i=1,2,...,p,hj(x)=0,k=1,2,...,q,x∈Ω⊂Rn转载 2014-05-09 09:59:50 · 48381 阅读 · 2 评论 -
图像特征概念
有少量修改,如有疑问,请问原作者!常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一 :颜色特征 (一)特点:颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征,此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感,所以颜色特征不能很好地捕捉图像中对象的转载 2014-05-12 10:47:58 · 24760 阅读 · 0 评论 -
人脸识别新技术准确率超99%:比肉眼更加精准
香港中文大学教授汤晓鸥、王晓刚及其研究团队上周宣布,他们研发的DeepID人脸识别技术的准确率超过99%,比肉眼识别更加精准。 汤晓鸥领导的计算机视觉研究组 (mmlab.ie.cuhk.edu.hk) 开发了一个名为DeepID (深分证)的深度学习模型, 在LFW (Labeled Faces in the Wild)数据库上获得了99.15%的识别率。 LFW是人脸识别领转载 2014-06-26 16:49:23 · 8572 阅读 · 0 评论 -
Kmeans、Kmeans++和KNN算法比较
K-Means介绍 K-means算法是聚类分析中使用最广泛的算法之一。它把n个对象根据他们的属性分为k个聚类以便使得所获得的聚类满足:同一聚类中的对象相似度较高;而不同聚类中的对象相似度较小。其聚类过程可以用下图表示: 如图所示,数据样本用圆点表示,每个簇的中心点用叉叉表示。(a)刚开始时是原始数据,杂乱无章,没有label,看起来都一样转载 2014-09-21 12:38:11 · 79217 阅读 · 11 评论 -
Bag of Features (BOF)图像检索算法
1.首先,我们用surf算法生成图像库中每幅图的特征点及描述符。2.再用k-means算法对图像库中的特征点进行训练,生成类心。3.生成每幅图像的BOF,具体方法为:判断图像的每个特征点与哪个类心最近,最近则放入该类心,最后将生成一列频数表,即初步的无权BOF。4.通过tf-idf对频数表加上权重,生成最终的bof。(因为每个类心对图像的影响不同。比如超市里条形码中的第一位转载 2014-09-21 11:33:28 · 43834 阅读 · 5 评论 -
基于稀疏表示的人脸识别 (SRC,LASRC,RASL,MRR)
1. 问题背景 信号的稀疏表示并不是新的东西。我们很早就一直在利用这一特性。例如,最简单的JPEG图像压缩算法。原始的图像信号经过DCT变换之后,只有极少数元素是非零的,而大部分元素都等于零或者说接近于零。这就是信号的稀疏性。 任何模型都有建模的假设条件。压缩感知,正是利用的信号的稀疏性这个假设。对于我们处理的信号,时域上本身就具有稀疏性的信号转载 2014-09-21 18:58:38 · 19042 阅读 · 0 评论 -
OpenCV Latent SVM Discriminatively Trained Part Based Models for Object Detection
OpenCV 2.4版本实现了C++版本的DPM程序,和之前C版本的主要区别就是可以同时检测多种目标。使用时,可以把训练好的模型放到一个文件夹中,待检测的图像放到另一个文件夹中,即可检测。可惜没有考虑加速的内容。 Latent SVM¶Discriminatively Trained Part Based Models for Object Detection¶The obje原创 2013-03-18 11:35:09 · 9797 阅读 · 45 评论 -
AdaBoost算法简介及入门
一、Boosting算法的发展历史 Boosting算法是一种把若干个分类器整合为一个分类器的方法,在boosting算法产生之前,还出现过两种比较重要的将多个分类器整合 为一个分类器的方法,即boostrapping方法和bagging方法。我们先简要介绍一下bootstrapping方法和bagging方法。 1)bootstrapping方法的主要过程 主要步骤: i转载 2013-11-05 11:02:56 · 1508 阅读 · 0 评论 -
比较新的模式识别相关源码
http://rogerioferis.com/VisualRecognitionAndSearch/Resources.html Resources Visual Recognition and SearchEECS 6890 Topics in Information Processing (3 credits)Sprin转载 2013-08-02 09:55:17 · 2282 阅读 · 1 评论 -
计算机视觉领域的一些牛人博客,超有实力的研究机构等的网站链接
原作者:http://blog.csdn.net/carson2005/article/details/6601109 以下链接是本人整理的关于计算机视觉(ComputerVision, CV)相关领域的网站链接,其中有CV牛人的主页,CV研究小组的主页,CV领域的paper,代码,CV领域的最新动态,国内的应用情况等等。打算从事这个行业或者刚入门的朋友可以多关注这些网站,多了解一些CV的转载 2013-03-12 11:25:54 · 3773 阅读 · 0 评论 -
Object Recognition and Scene Understanding(二)OpenCV 中HOG特征参数个数及图解
这部分都是一些介绍,不需要主观加工,直接收集起来分享之。1. OpenCV中HOG特征参数图解http://blog.csdn.net/raocong2010/article/details/6239431最近要做图像特征提取,可能要用下HOG特征,所以研究了下OpenCV的HOG描述子。OpenCV中的HOG特征提取功能使用了HOGDescriptor这个类来进行封装,其中也有现成的原创 2013-03-11 16:52:39 · 3089 阅读 · 0 评论 -
Object Recognition and Scene Understanding(三)SVM
支持向量机,多年以来在模式识别上的最大发现,当然其利用核函数来寻找最优的分类的思路存在一定的局限性,但一定程度上解决了很多问题。关于支持向量机在模式识别领域的前世今生,可以参考谭铁牛等的论文。关于libsvm就去看台湾大牛的网页吧,faruto在如何应用libsvm上也有出彩的介绍。这里就不一一列出了。 1.之前的一些介绍libsvm的安装,参考我之前发的小文Matlab安装使用lib原创 2013-03-11 17:08:24 · 1778 阅读 · 0 评论 -
Object Recognition and Scene Understanding(一)概述及HOG特征
写一个简单的专题吧:Object Recognition and Scene Understanding,包括以下三大块内容:1.Object Recognition from Local Scale-Invariant Features,基于特征的目标识别算法,最具代表性的就是David G. Lowe的SIFT特征。该部分内容作者已经申请专利,这里就不多做介绍2. Histogra原创 2013-03-11 16:37:06 · 4274 阅读 · 0 评论 -
Object Recognition and Scene Understanding(四)OpenCV SVM+HOG分类
通过前面的介绍,可以对hog特征利用svm训练,得到简单的二分类模型,利用分类模型可以实现二分。参考:http://blog.csdn.net/yongshengsilingsa/article/details/7535496 OpenCV官方的SVM代码在http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/ml/in原创 2013-03-11 17:16:59 · 2514 阅读 · 0 评论 -
Object Recognition and Scene Understanding(六)OpenCV中HOG+SVM目标检测
参考:利用Hog特征和SVM分类器进行行人检测:http://blog.csdn.net/carson2005/article/details/7841443 HOG+SVM由于其特性,对行人检测有非常好的效果,但是对其他目标检测也有好效果。这里就把范围扩大些。 carson2005的博文中介绍了利用opencv实现样本训练和目标检测。利用Libsvm也可以进行处理。1.使用l原创 2013-03-12 10:38:53 · 5087 阅读 · 2 评论 -
Object Recognition and Scene Understanding(七)OpenCV中Latent SVM模型文件XML
从该blog开始,逐步介绍DPM + Latent SVM。关于OpenCV下DPM+Latent SVM简单介绍参考上一篇博文:OpenCV Latent SVM Discriminatively Trained Part Based Models for Object Detection 以Cat.xml(opencv安装目录下sample/c内)为例原创 2013-04-03 09:39:39 · 5067 阅读 · 6 评论 -
Object Recognition and Scene Understanding(八)Matlab中Latent SVM model参数含义
Matlab中mat文件model参数含义模型文件是按照Latent SVM模型保存语法保存参数的,利用了查表的思想,具体细节需要参考原始论文。这样保存的目的好像是计算方便。1.model简单节点内容 model.class= 'bottle'model.year= 2011model.note= 15-50-36等 2. model有以下关键节点filters:原创 2013-04-03 10:50:16 · 3447 阅读 · 0 评论 -
Object Recognition and Scene Understanding(九)模型转化Mat-〉XML
第一步:获取参数其中为matlab语言1.components 个数NumComponents= length(model.rules{model.start})ncom =length(model.rules{model.start}); 2.Numberof features这个固定, = 31,model文件中没有记录 3.Score threshold= model原创 2013-04-03 10:57:48 · 2807 阅读 · 7 评论 -
Multi-Instance Learning 和 Latent SVM
MIL和weakly supervised learning有扯不清的关系(有点虾和蛋的关系)。Pedro的Latent SVM算是MILSVM的一个变种,相当于在MIL上加上技巧就可以实现Latent SVM,既然是技巧,就是没有大的理论突破。那仔细看下它们的公式1. basic linear SVM这是个convex-problem,原创 2014-11-15 14:22:33 · 8133 阅读 · 0 评论