2015年08月_beihangzxm123

转载 PCA的数学原理

PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的原理。这篇文章的目的是介绍PCA的基本数学原理，帮助读者了解PCA的工作机制是什么。当然我并不打算把文章写成

2015-08-31 16:34:01 474

转载计算机视觉整理库

本文章有转载自其它博文，也有自己发现的新库添加进来的，如果发现有新的库，可以推荐我加进来转自：http://www.cnblogs.com/tornadomeet/archive/2012/05/24/2515980.htmlDeep Learning（深度学习）：ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：一ufldl的2个教程(

2015-08-31 16:10:30 6815

转载彩色图像分割方法的汇总

【汇总】彩色图像分割 Menu SkySeraph Oct.1st 2011 HQU Email：zgzhaobo@gmail.com QQ：452728574 Latest Modified Date：Oct.1st 2011 HQU 整理下以便查阅【图像算法】彩色图像分割专题一：颜色空间1（原理) htt

2015-08-31 15:55:09 11261

转载支持向量机通俗导论（理解SVM的三层境界）

支持向量机通俗导论（理解SVM的三层境界）作者：July ；致谢：pluskid、白石、JerryLead。出处：结构之法算法之道blog。前言动笔写这个支持向量机(support vector machine)是费了不少劲和困难的，原因很简单，一者这个东西本身就并不好懂，要深入学习和研究下去需花费不少时间和精力，二者这个东西也不好讲

2015-08-31 15:43:47 973

转载机器学习——深度学习(Deep Learning)经典资料

Deep Learning是机器学习中一个非常接近AI的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，最近研究了机器学习中一些深度学习的相关知识，本文给出一些很有用的资料和心得。Key Words：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，Sparse DBN，1. 有监督学习和无监督学习给定一组数据(inpu

2015-08-28 11:44:12 1048

转载图像分割阈值选取技术综述

摘要图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提．阈值法是一种传统的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术．已被应用于很多的领域。本文是在阅读大量国内外相关文献的基础上，对阈值分割技术稍做总结，分三个大类综述阈值选取方法，然后对阈值化算法的评估做简要介绍。关键词

2015-08-28 11:41:04 25027

转载图像分割之（六）交叉视觉皮质模型（ICM）

我以前是不知道这个图像分割方法的。之前有个朋友看到我之前图像分割系列的博文，然后就和我说有这么一个东西。所以当时我就稍微看了下。主要还是参考下面这篇论文的，然后按照论文所说的算法自己实现了一部分的代码（没有实现熵的那部分）。牛建伟等，《基于修正交叉视觉皮质模型的图像分割方法》，北京邮电大学学报，2010 上述论文中提到，交叉视觉皮质模型(ICM)主要基于E

2015-08-28 11:12:26 1584

转载图像分割之（五）活动轮廓模型之Snake模型简介

在“图像分割之（一）概述”中咱们简单了解了目前主流的图像分割方法。下面咱们主要学习下基于能量泛函的分割方法。这里学习下Snake模型简单的知识，Level Set（水平集）模型会在后面的博文中说到。基于能量泛函的分割方法：该类方法主要指的是活动轮廓模型（active contour model）以及在其基础上发展出来的算法，其基本思想是使用连续曲线来表达

2015-08-28 11:09:57 1137

转载图像分割之（四）OpenCV的GrabCut函数使用和源码解读

上一文对GrabCut做了一个了解。OpenCV中的GrabCut算法是依据《"GrabCut" - Interactive Foreground Extraction using Iterated Graph Cuts》这篇文章来实现的。现在我对源码做了些注释，以便我们更深入的了解该算法。一直觉得论文和代码是有比较大的差别的，个人觉得脱离代码看论文，最多能看懂70%，剩下20%或者更多就需要

2015-08-28 11:08:30 1250

转载图像分割之（三）从Graph Cut到Grab Cut

上一文对GraphCut做了一个了解，而现在我们聊到的GrabCut是对其的改进版，是迭代的Graph Cut。OpenCV中的GrabCut算法是依据《"GrabCut" - Interactive Foreground Extraction using Iterated Graph Cuts》这篇文章来实现的。该算法利用了图像中的纹理（颜色）信息和边界（反差）信息，只要少量的用户交互操作即

2015-08-28 11:06:23 903

转载图像分割之（二）Graph Cut（图割）

上一文对主要的分割方法做了一个概述。那下面我们对其中几个比较感兴趣的算法做个学习。下面主要是Graph Cut，下一个博文我们再学习下Grab Cut，两者都是基于图论的分割方法。另外OpenCV实现了Grab Cut，具体的源码解读见博文更新。接触时间有限，若有错误，还望各位前辈指正，谢谢。 Graph cuts是一种十分有用和流行的能量优化算法，在计算机视觉领域普遍应用

2015-08-28 11:05:28 1213 1

转载图像分割之（一）概述

所谓图像分割指的是根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域，并使这些特征在同一区域内呈现出相似性，而在不同区域间呈现出明显的差异性。我们先对目前主要的图像分割方法做个概述，后面再对个别方法做详细的了解和学习。1、基于阈值的分割方法阈值法的基本思想是基于图像的灰度特征来计算一个或多个灰度阈值，并将图像中每个像素的灰度值与阈值相比较，最后将像素根据比较

2015-08-28 11:04:33 1022

原创程序员常去的14个顶级开发社区

作为程序员，选择好合适的开发社区对提高自己的编程能力会有很大的帮助，我也说不出为什么，但是一些优秀的实时开发社区确实能帮你积累不少开发经验。下面这张图列出了14个程序员经常逛的顶级开发社区，作为程序员，你应该要了解其中一个或者最好是多个，并且学会使用它们，利用里面的资源提高自己的编程能力。我们期望在开发者社区中获得什么？我们希望能得到切实的帮助，而不是获取一些唠叨的

2015-08-28 11:00:10 1245

转载 SVM通俗入门

转自：http://www.blogjava.net/zhenandaci/archive/2009/02/13/254519.html作者：Jasper出自：http://www.blogjava.net/zhenandaci/（一）SVM的八股简介支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首

2015-08-25 10:19:18 735

转载 Deep Learning（深度学习）学习笔记整理系列之（八）

接上十、总结与展望1）Deep learning总结深度学习是关于自动学习要建模的数据的潜在（隐含）分布的多层（复杂）表达的算法。换句话来说，深度学习算法自动的提取分类需要的低层次或者高层次特征。高层次特征，一是指该特征可以分级（层次）地依赖其他特征，例如：对于机器视觉，深度学习算法从原始图像去学习得到它的一个低层次表达，例如边缘检测器，小波滤波器等，

2015-08-25 10:16:45 596

转载 Deep Learning（深度学习）学习笔记整理系列之（七）

接上 9.5、Convolutional Neural Networks卷积神经网络卷积神经网络是人工神经网络的一种，已成为当前语音分析和图像识别领域的研究热点。它的权值共享网络结构使之更类似于生物神经网络，降低了网络模型的复杂度，减少了权值的数量。该优点在网络的输入是多维图像时表现的更为明显，使图像可以直接作为网络的输入，避免了传统识别算法中复杂的特征提取和

2015-08-25 10:15:33 795

转载 Deep Learning（深度学习）学习笔记整理系列之（六）

接上注：下面的两个Deep Learning方法说明需要完善，但为了保证文章的连续性和完整性，先贴一些上来，后面再修改好了。9.3、Restricted Boltzmann Machine (RBM)限制波尔兹曼机假设有一个二部图，每一层的节点之间没有链接，一层是可视层，即输入数据层（v)，一层是隐藏层(h)，如果假设所有的节点都是随机二

2015-08-25 10:14:07 126

转载 Deep Learning（深度学习）学习笔记整理系列之（五）

接上 9.2、Sparse Coding稀疏编码如果我们把输出必须和输入相等的限制放松，同时利用线性代数中基的概念，即O = a1*Φ1 + a2*Φ2+….+ an*Φn， Φi是基，ai是系数，我们可以得到这样一个优化问题：Min |I – O|，其中I表示输入，O表示输出。通过求解这个最优化式子，我们可以求得系数ai和基Φi

2015-08-25 10:12:49 604

转载 Deep Learning（深度学习）学习笔记整理系列之（四）

接上九、Deep Learning的常用模型或者方法9.1、AutoEncoder自动编码器 Deep Learning最简单的一种方法是利用人工神经网络的特点，人工神经网络（ANN）本身就是具有层次结构的系统，如果给定一个神经网络，我们假设其输出与输入是相同的，然后训练调整其参数，得到每一层中的权重。自然地，我们就得到了输入I的几种不同表示（每一层

2015-08-25 10:11:40 647

转载 Deep Learning（深度学习）学习笔记整理系列之（三）

接上好了，到了这一步，终于可以聊到Deep learning了。上面我们聊到为什么会有Deep learning（让机器自动学习良好的特征，而免去人工选取过程。还有参考人的分层视觉处理系统），我们得到一个结论就是Deep learning需要多层来获得更抽象的特征表达。那么多少层才合适呢？用什么架构来建模呢？怎么进行非监督训练呢？五、Deep Le

2015-08-25 10:05:41 622

转载 Deep Learning（深度学习）学习笔记整理系列之（二）

接上因为我们要学习的是特征的表达，那么关于特征，或者说关于这个层级特征，我们需要了解地更深入点。所以在说Deep Learning之前，我们有必要再啰嗦下特征（呵呵，实际上是看到那么好的对特征的解释，不放在这里有点可惜，所以就塞到这了）。四、关于特征特征是机器学习系统的原材料，对最终模型的影响是毋庸置疑的。如果数据被很好的表

2015-08-25 09:56:32 702

转载 Deep Learning（深度学习）学习笔记整理系列之（一）

声明：1）该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参考原文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。如果某部分不小心侵犯了大家的利益，还望海涵，并联系博主删除。3）本人才疏学浅，整理总结的时候难免出错，还望各位前辈不吝指正，谢谢。4）阅读本

2015-08-25 09:33:15 999

转载 opencv基础小程序大集合

例1显示照片#include "stdafx.h"#include using namespace std;using namespace cv;int main(int argc, char* argv[]){const char* imagename = "woheadai.jpg";Mat img = imread(imagename);if(img.em

2015-08-24 15:22:06 3406

转载整理：深度学习 vs 机器学习 vs 模式识别

摘要：本文我们来关注下三个非常相关的概念（深度学习、机器学习和模式识别），以及他们与2015年最热门的科技主题（机器人和人工智能）的联系，让你更好的理解计算机视觉，同时直观认识机器学习的缓慢发展过程。【编者按】本文来自CMU的博士，MIT的博士后，vision.ai的联合创始人Tomasz Malisiewicz的个人博客文章，阅读本文，你可以更好的理解计算机视觉是怎么一回事，同时对机

2015-08-07 08:09:42 1319

转载深度学习总结

最近一时兴起打算研究下深度学习，这个名词近来很火，貌似成为了人工智能领域一根新的稻草。经过几天的查资料和看论文，已经初步有了第一印象，闲话少说，结合一些资料，进入正题。深度学习的起源深度学习（Deep Learning）是机器学习中一个非常接近AI的领域，其动机在于建立、模拟人脑进行分析学习的神经网络。深度学习属于无监督学习。深度学习的概念源于人工神经网络的研究。深度学

2015-08-07 08:05:47 1537

原创机器学习知识点学习

在学习机器学习的有关知识时，搜索到JerryLead的cnblog中的Machine Learning专栏，里面对于机器学习的部分算法和知识点讲解地很经典和透彻。所以Mark在这，多多学习！http://www.cnblogs.com/jerrylead/tag/Machine%20Learning/ 偏最小二乘法回归（Partial Least Squares Reg

2015-08-06 10:24:34 633

原创和机器学习和计算机视觉相关的数学

和机器学习和计算机视觉相关的数学之一（以下转自一位MIT牛人的空间文章，写得很实际：）作者：Dahua感觉数学似乎总是不够的。这些日子为了解决research中的一些问题，又在图书馆捧起了数学的教科书。从大学到现在，课堂上学的和自学的数学其实不算少了，可是在研究的过程中总是发现需要补充新的数学知识。Learning和Vision都是很多种数学的交汇场。看着不同的理论体系的交

2015-08-06 10:23:23 683

原创机器学习经典书籍

入门书单《数学之美》 PDF作者吴军大家都很熟悉。以极为通俗的语言讲述了数学在机器学习和自然语言处理等领域的应用。《Programming Collective Intelligence》（《集体智慧编程》）PDF作者Toby Segaran也是《BeautifulData : The Stories Behind Elegant Data Soluti

2015-08-06 10:03:38 1010

原创查找计算机视觉、模式识别、图像处理领域的国际会议和会议排名

一、CVPR与图像处理领域的国际会议：1. Computer Vision, Computer Image Analysis （极力推荐）http://iris.usc.edu/Information/Iris-Conferences.html2. IEEE 会议http://www.ieee.org/conferences_events/ind

2015-08-06 09:54:23 2293

原创国内CVPR和图像处理领域的公司和研究机构

近年来，国内做计算机视觉、模式识别、图像处理、智能视频分析、智能交通的公司和机构是越来越多，应用面也越来越广。以下是我个人整理的一些国内CVPR和图像处理领域中还不错的大公司和研究机构。对于想从事CVPR和图像处理方面工作的各位可以参考一下。对于众多小公司，我就没有收录了，直接上招聘网站上一搜一大把O(∩_∩)O~声明：1）排名不分先后；2）

2015-08-06 09:49:59 4667 1

原创深度学习-LeCun、Bengio和Hinton的联合综述（下）

摘要：Yann LeCun、Yoshua Bengio和Geoffrey Hinton发表于《Nature》的综述文章“Deep Learning”中文译文的下半部分，详细介绍了CNN、分布式特征表示、RNN及其不同的应用，并对深度学习技术的未来发展进行了展望。【编者按】三大牛Yann LeCun、Yoshua Bengio和Geoffrey Hinton在深度学习领域的地位无人不知。

2015-08-05 15:32:30 1069

原创深度学习-LeCun、Bengio和Hinton的联合综述（上）

摘要：最新的《Nature》杂志专门为“人工智能 + 机器人”开辟了一个专题，发表多篇相关论文，其中包括了LeCun、Bengio和Hinton首次合作的这篇综述文章“Deep Learning”。【编者按】三大牛Yann LeCun、Yoshua Bengio和Geoffrey Hinton在深度学习领域的地位无人不知。为纪念人工智能提出60周年，最新的《Nature》杂志专门开辟

2015-08-05 15:30:50 775

原创机器学习常见算法分类汇总

从两个方面来给大家介绍，第一个方面是学习的方式，第二个方面是算法的类似性。学习方式根据数据类型的不同，对一个问题的建模有不同的方式。在机器学习或者人工智能领域，人们首先会考虑算法的学习方式。在机器学习领域，有几种主要的学习方式。将算法按照学习方式分类是一个不错的想法，这样可以让人们在建模和算法选择的时候考虑能根据输入数据来选择最合适的算法来获得最好的结果。监

2015-08-03 17:51:45 562

原创图像处理概述

图像处理，是对图像进行分析、加工、和处理，使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储，因而图像处理很多情况下指数字图像处理。此外，基于光学理论的处理方法依然占有重要的地位。图像处理是信号处理的子类，另外与计算机科学、人工智能等领域也有密切的关系。传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上，比如降

2015-08-03 17:37:01 1982 1

原创计算机视觉

计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，用电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所指的信息指夏农定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感

2015-08-03 17:35:15 1031

转载 Retinex算法详解

Retinex是一种常用的建立在科学实验和科学分析基础上的图像增强方法，它是Edwin.H.Land于1963年提出的。就跟Matlab是由Matrix和Laboratory合成的一样，Retinex也是由两个单词合成的一个词语，他们分别是retina 和cortex，即：视网膜和皮层。Land的retinex模式是建立在以下三个假设之上的：（1）真实世界是无颜色的，我们所感知的颜色是光与

2015-08-03 17:04:07 11340 1

转载 MSRCR（Multi-Scale Retinex with Color Restore）多尺度Retinex图像增强

引言始于Edwin Herbert Land（埃德温·赫伯特·兰德）于1971年提出的一种被称为色彩恒常的理论，并基于此理论的图像增强方法。Retinex这个词由视网膜(Retina)和大脑皮层(Cortex)合成而来.之所以这样设计，表明Land他也不清楚视觉系统的特性究竟取决于此两个生理结构中的哪一个，抑或两者都有关系。不同于传统的图像增强算法，如线性、非线性变换、图像锐化等只能增

2015-08-03 17:01:25 6095 1

原创仿射变换

目标在这个教程中你将学习到如何:使用OpenCV函数 warpAffine 来实现一些简单的重映射.使用OpenCV函数 getRotationMatrix2D 来获得一个旋转矩阵原理什么是仿射变换?一个任意的仿射变换都能表示为乘以一个矩阵 (线性变换) 接着再加上一个向量 (平移).综上所述, 我们能够用仿射变换来表示:

2015-08-03 15:30:48 3156

转载深度学习——人工神经网络再掀研究热潮

人工神经网络起源于上世纪40年代，到今天已经70年历史了。就像人的一生，经历了起起落落，有过辉煌，有过黯淡，有过嘈杂，有过冷清。总体说来，过去的20年中人工神经网络的研究不温不火，直到最近三五年，随着深度学习概念的提出，人工神经网络才又重新焕发生机，甚至再度掀起研究热潮。本文简述一下人工神经网络的“前世今生”，并简单展望一下它的未来。第一个神经元模型是1943年McCulloch和Pitt

2015-08-03 10:40:28 14563

空空如也

空空如也