cs231n这个课的前半部分看过两遍了，始终没能把这个课学完，希望参加训练营能督促我学完这门课，动手实践作业。
目录
SIFT(Scale-Invariant Feature Transform)尺度不变特征变换
SPM(Spatial Pyramid Matching)空间金字塔匹配
HoG(Histogram of Oriented Gradients)梯度方向直方图
DPM(Deformable Part-Based Model)可变形的基于部件的模型
一、关于猫视觉试验的结论：
视觉处理是从简单的结构开始，比如边缘 ，然后随着信息处理，大脑逐渐建立起复杂的理解。
二、关于第一课提到的目标分割概念：
是由于当时目标识别太困难，所以想着先解决目标分割吧。就是把相近的像素点归到一起，并不知道这一堆像素点组成的东西是什么，但是可以把它们和背景以及其他东西分开。
之前在《图像处理、分析与机器视觉》上看过一些分割的知识，也一并整理到这里好了
分割在预处理和分析之间，分为完全分割和部分分割，两者区别是分割完后有没有重叠相交部分，没有的话就是完全分割。（这个定义并没有什么用的感觉）
分割主要使用的特征分三类：
1、全局知识，用图像特征直方图表示，比如阈值化分割的时候，可以用灰度直方图确定分割需要设定的阈值（我的理解，不知道对不对）
2、边缘 3、区域 这两点都是基于亮度、纹理等等
具体使用的分割方法后面遇到再一一具体说吧
三、关于Adaboost人脸检测算法实现
2001年计算机计算速度还很慢，这个算法可以实时识别人脸真的很厉害
这个图的左下角的黑白框是Haar特征，利用这种框在图片上划过，让黑白框和每一次覆盖的图像切片相乘（我把它简单的理解成矢量相乘），两者越相近，乘出来的结果越大。（这个过程就是Haar小波变换）比如两眼之间的部分比眼睛亮很多，就会和黑白黑的框相乘得到很大的值，以此识别出眼睛。
Adaboost是为了在Haar特征得到的非常多弱分类器（即效果都不太好）中选出一些可靠的。
具体过程是迭代训练更改权重的过程，即开始的时候所有训练样本都是权重相同的，每轮训练都把被分类器分错的样本权重提高，分对的样本权重降低。（额，好抽象，有时间代码实现一下，先挖个坑）
四、关于ImageNet，Pascal Voc这两个数据集
Pascal Voc 2006-2012的目标识别挑战赛数据集，20个类
ImageNet 有2.2万个类，4千万张图片，为了提供大量的训练数据，防止机器学习的高维模型过拟合，从而有更好的泛化能力
五、关于SIFT、SPM、HoG、DpM这四篇论文
SIFT(Scale-Invariant Feature Transform)尺度不变特征变换
是一种用来提取特征的方法。可以用来匹配不同图片中的同一物体，物体发生旋转、缩放、透视等等。
怎样做到使提取到的特征尺度不变的
论文里写道：通过模糊图像梯度位置来实现不变性的。
这些位置是通过DoG(Difference-of-Gaussian)得到，即不同参数的高斯滤波结果相减，取最大或最小值位置。高斯滤波是低通滤波器，边缘通常为高频信号，DoG在相减中去除了相同的没有被过滤掉的正常图像，留下的是边缘。最大或最小值代表什么？
论文中还提到，通过构建图像金字塔，在每个级别重采样，来提高计算最大最小值的效率。是因为这个所以是尺度不变吗？
重采样还用到双线性插值
越读论文越发现各种不会的知识点，太多了基础的东西不会了
高斯滤波为什么低通，为什么边缘是高频信号，啥是双线性插值
可能要读《数字图像处理》
但是那个太信号与处理了，读不懂……
啊，咋办嘛
SPM(Spatial Pyramid Matching)空间金字塔匹配
把图像分块分成很多子区域，用不同尺度多次分块，于是形成空间金字塔，匹配就是计算相似度。
HoG(Histogram of Oriented Gradients)梯度方向直方图
统计各方向的梯度频率的直方图。可以用来行人检测。
就是把一堆堆的像素划分成cell，统计每个cell里每20°的梯度有多少，形成HoG特征向量。
再把一堆堆的cell划分成block，每个block里的cell的HoG特征向量归一化，防止不同cell间由于光照造成梯度差异。
把block里不同cell中的HoG特征向量首位相连，得到HoG描述子（咋收尾相连？）
然后用SVM(Support Vector Machine)支持向量机训练HoG特征向量（还是训练描述子？），得到匹配用的模板。
DPM(Deformable Part-Based Model)可变形的基于部件的模型
是一种分而治之的方法，把检测目标分解成检测各部件，这些部件间用“弹簧”连接。可以用来人脸检测
扫一扫
221
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
