NaNaLab-CSDN博客

原创 Mean shift向量、概率密度函数、概率密度函数梯度之间的关系

上一篇博客中的paper主要思想是：在提取了图像的sift特征之后，在特征空间对特征进行coding，其中的算法用到了概率密度函数的梯度概念，这几天看了一些这方面的东西。刚开始以为这个算法很神秘，后来才发现用的就是mean shift算法。为什么可以用mean shift呢，先给出mean shift的物理意义：首先，mean shift是个向量；其次，这个向量正比于归一化的概率密度函数梯

2013-07-12 18:19:55 3620

原创 2013_CVPR_BoF meets HOG Feature Extraction based on Histograms of Oriented p.d.f Gradients for Image

最近看到一篇较新的基于BOF的改进的特征提取算法，来自cvpr'2013,从大的方面来讲，这篇paper的算法改进主要包括以下几个方面：1.BOF算法采用把特征映射到word上达到降维的目的，然后统计图像的word直方图，这是一种离散的特征表示方法，这篇文献采用计算特征的pdf（概率密度函数）的方法获得特征的连续表达，其中计算pdf采用KDE（核密度估计）的算法。一幅图像用一个pdf来表示。

2013-07-08 18:16:05 2527 8

原创 SPM kernel（ histogram intersection）

刚跟老师探讨直方图交叉核算法，因为这个算法是在看cvpr'2006 BOF那篇paper时看到的，当时没仔细研究，今天被问到了。觉得虽然比较简单，还是写出来理解得比较透彻些。实际上histogram intersection kernel最初来自2005_ICCV_The pyramid match kernel Discriminative classification with sets

2013-07-08 15:30:49 3941 3

原创图像、视频相关会议期刊

图像、视频国际会议会议名字全称会议名字缩写领域IEEE International Conference on Computer VisionIEEE_ICCV计算机视觉，模式识别，多媒体计算IEEE Conference on Computer Vision and Pattern Rec

2013-06-24 21:23:08 1893

原创虚拟机 matlab

要编译一个带多线程的程序，此程序需要matlab和c++交叉编译，本来想在windows下编译，也在windows下装了Mingw,但是由于windows下的多线程库不能用，只能在linux系统下编译。所以狠下心来在linux下装matlab。本来对linux就不太熟悉，所以途中遇到各种挫折，折腾了将近半个月的时间，今天终于调通了。记录一下这个心酸历程： 1.安装matlab时提

2013-05-29 17:10:34 2069

转载 #pragma once与 #ifndef的区别

为了避免同一个文件被include多次1 #ifndef方式2 #pragma once方式在能够支持这两种方式的编译器上，二者并没有太大的区别，但是两者仍然还是有一些细微的区别。方式一：#ifndef __SOMEFILE_H__#define __SOMEFILE_H__... ... // 一些声明语句#endif方式二：#pragma onc

2013-05-14 17:17:50 668

原创老师木机器学习

关注老师木的微博很久了，终于找到了某同学整理的老师木的微博。关于ML的各种算法，基础知识，慢慢积累吧。http://www.guzili.com/?p=45204

2013-05-09 13:48:14 1262

转载局部图像特征描述概述

局部图像特征描述概述樊彬中国科学院自动化研究所模式识别国家重点实验室 (CASIA NLPR)赞Shicai Yang新整理。局部图像特征描述是计算机视觉的一个基本研究问题，在寻找图像中的对应点以及物体特征描述中有着重要的作用。它是许多方法的基础，因此也是目前视觉研究中的一个热点，每年在视觉领域的顶级会议ICCV/CVPR/ECCV上都有高质量的特征描述论文发表。同时它也有着

2013-05-08 14:58:14 937

转载主成分分析 PCA 理解

目前，pca算法已经广泛应用于各方面，就那图像处理来说，经常做的一件事就是当提取的图像特征维数比较高时，为了简化计算量及节省存储空间，需要对这些高维数据进行一定程度上的降维，并尽量保证数据的不失真。先举个例子，方便理解：1）对于一个训练集，20个sample(i=1,2,3,...,20)，特征Xi是100维[Xi1,Xi2,Xi3,...Xij,...,Xi100](j=1,2,..,1

2013-04-27 17:24:27 997

转载对傅立叶变换（FT）频谱平移的理解

对于一维函数：未平移前，FT的一个周期是沿原点对称分布的。讨论DFT，假设频率范围为[0，1，……，M－1，M]，则DFT的频谱分布在原点0的两侧，左：[M/2，M/2-1，……，0]，右侧[0，……，M/2-1，M/2]同样，将上述道理用于理解二维函数（比如图像数据）：FT的中心位于频率矩形的中点——假设u,v为频率自变量，则在u方向的FT和沿v方向的FT是沿原点对称分布的，而原始图像的原点

2013-04-24 19:47:06 7513

原创关于2010_CVPR_Locality-constrained Linear Coding for Image Classification

这篇paper在基于前两篇paper的基础上做了些改进。ScSPM用SC coding代替VQ coding之后，用linear SVM取得了不错的效果。有人发现SC coding具有局部性，为了利用这个特点，便有了LCC coding。基于SC 和LCC，这篇paper提出LLC coding，这种编码方法进一步降低了编码计算复杂度，并且可以用linear SVM。下面将这几种codin

2013-04-19 14:42:44 2686 5

原创关于2009_CVPR_Linear spatial pyramid matching using sparse coding for image classification

对于这篇文献一直纠结于nonlinear SVM和linear SVM。通过查阅文献及各牛人的博客，终于有一点明白这篇文献是怎么回事了。这篇文献主要是改进之前06年那篇。首先说一下06年那篇，这篇文献采用dense sift特征和SPM进行图像分类，sift特征提取就不说了，简单说一下SPM。SPM全拼为spatial pyramid matching，即空间金字塔匹配，包括三个

2013-04-16 21:11:02 1974 1

原创关于2006_CVPR_Beyond Bags of Features Spatial Pyramid Matching for Recognizing Natural Scene Categorie

对这篇paper及对应code研究好久了，也困惑了好久，现在终于有点明白是怎么回事了，赶紧记下来对应代码的整个算法过程如下（代码是丕子的）：Step1 用均匀网格划分图像。程序中采用8*8像素，即gridspace=8。比如32*40的图像可画出（32/8）*(40/8)=4*5个grid（一个网格用黑色块表示）。Step 2 计算特征向量(dense sift)。程序中采用16*

2013-04-12 18:49:22 4442 3

原创 CV ML PR链接

博客链接丕子冒泡的崔pluskid free mindbfcat张重百度搜索研发部 leftnoteeasy 大牛K.GraumanJianchao Yangjianbo shiHonglak LeePedro FelzenszwalbAlexei A. Efros Mex Welling机器学习笔记David M. Blei

2013-04-10 11:42:59 1018

转载 matlab 画图

首先，matlab输入一幅图，原点默认在左下方！！！http://happysweetheart2.blog.sohu.com/106503841.html 1 plot（x）：x为长度为n的数值向量，坐标的纵坐标是向量x，横坐标为matlab系统根据x向量的元素序号自动生成的从1开始的向量。2 plot（x，y）：纵坐标是y，横坐标是x。x，y向量的数目必须相等。

2012-12-20 11:31:09 1342 1

转载 vc6.0调试

一、调试基础调试快捷键F5：开始调试Shift+F5: 停止调试F10：调试到下一句，这里是单步跟踪 F11：调试到下一句，跟进函数内部Shift+F11: 从当前函数中跳出Ctrl+F10: 调试到光标所在位置F9：设置（取消）断点Alt+F9: 高级断点设置跟踪调试1、尽量使用快捷键时行调试2、观察调试信息3、高级中断设置异

2012-11-22 12:56:34 575

NaNaLab的专栏