- 博客(36)
- 资源 (1)
- 收藏
- 关注
原创 AI一种现代的方法 第三章 搜索方法解决问题
本章开始讨论具体的算法啦。首先要了解算法复杂度是如何计算的。可以理解为实现目标需要计算的次数。比如遍历n次加法,则复杂度为O(n)。一个问题可以拆分为5个组成:初始状态、行动、转换模型、目标测试、路径代价。评估算法性能:完备性、最优性、时间复杂度、空间复杂度。搜索方法来啦搜索方法分为Uninformed search(Blind search)和Informed search (Heuristic search)Uninformed search3.4.1 Breadth-first s
2021-03-19 16:55:33
441
原创 AI一种现代的方法 第二章 智能体
本章讨论智能体的特性、完美以及其他,环境的变化性,以及多样的智能体类型。第一章定义了AI的核心是理智的智能体。本章我们加强概念。我么可以预测,理智的概念在理想环境下应用在不同的智能体操作中。本书我们的计划是用这个概念为创建成功的值能力发展一系列小的设计理念。首先我们检测智能体、环境、以及两者的关系。不同的环境下智能体的行为有好坏之分。在自然环境里智能体行为能有多好?我们粗糙的分类了一下环境种类,以及环境的属性为何会影响合适的智能体?我们提出了几种智能体设计框架。2.1 智能体与环境智能体
2021-03-19 14:23:50
590
原创 AI :一种现代的方法 第一章人工智能 学习笔记+翻译 (这一篇文本贴过来标题序号会变 直接放图片了)
AI :一种现代的方法前言AI是一个很广泛的领域,这本书涉及到的内容也特别多。此书尝试探索该领域的广度,包含逻辑学(logic)、概率学(probability)、连续数学(continuous mathematics)、感知学(perception)、推理学(reasoning)、学习(learning)和行为(action);以及机器人领域(robotic planetary)的微电子设备(microelectronic devices)。且本书具有一定的深度。本书的副书名是一种现代的方法,
2021-01-26 16:17:06
215
原创 TensorFlow入门之训练mnist数据集
import sys,osimport numpy as npimport tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)sess = tf.Interact
2017-03-23 17:06:31
1653
原创 TensorFlow之线性回归
这个示例是做线性回归。随机产生100个x_data的随机数,y_data = x_data * 0.1 + 0.3。训练的时候通过梯度下降法(GradientDescentOptimizer)寻找最小化损失函数(此处为最小化均方差)为目标,并基于一定的学习率进行梯度优化训练(此处为0.5)。迭代200次,我们能得到斜率和截距非常接近实际值。
2017-03-23 15:57:37
587
原创 TensorFlow入门之变量操作
TensorFlow的工作流程像一张图,先创建图,并在图上定义一些常量、变量和类似于函数的东西。比如这里TensorFlow中声明变量input1 = tf.Variable(1)和input2 = tf.Variable(2),进行相加操作。Variable操作存放变量的值。global_variables_initializer将变量设置为初始值。然后在图上创建一个session,意思就是要调用刚才写的程序了。
2017-03-23 15:31:51
973
原创 SURF特征点检测与匹配之误匹配点删除
SURF(SpeededUp Robust Feature)是加速版的具有鲁棒性的算法,是SIFT算法的加速版。但是SURF特征匹配之后有大量的误匹配点,需要对这些误匹配点进行删除。
2017-01-14 15:23:57
6589
5
原创 Face Alignment at 3000 FPS通俗易懂讲解三 全局回归与测试
Face Alignment at 3000 FPS通俗易懂讲解思想:先局部,再整体。 局部:获取标记点的局部二值特征。整体:全局形状约束、减少局部误差。
2016-12-28 16:48:41
1763
2
原创 Face Alignment at 3000 FPS通俗易懂讲解二 LBP局部二进制特征(特征映射)的生成
Face Alignment at 3000 FPS通俗易懂讲解二 LBP局部二进制特征(特征映射)的生成
2016-12-28 12:03:37
2216
7
原创 Face Alignment at 3000 FPS通俗易懂讲解一 随机森林的生成
Face Alignment at 3000 FPS通俗易懂讲解思想:先局部,再整体。 局部:获取标记点的局部二值特征。具体做法:若干个样本N,每个样本有n个标记点(如68)。对这N个样本划分成m个小样本,小样本数N/m个。对小样本中每一个标记点附近生成K个随机点,共有K*N/m个点(K*N/m矩阵)。对这些点的像素插值(局部二值)建立模型,就有了m个决策树,形成1个随机森林。n个标记点,每个点有1个随机森林(m个决策树),组成n个随机森林。可根据随机森林得到一个特征点的LBP特征。
2016-12-27 19:28:54
3014
原创 ASM(Active Shape Model)主动形状模型通俗易懂讲解二:建模
这篇文章根据理论原理,结合代码讲解建模实现步骤。可参见上一篇博文。http://blog.csdn.net/rongrongyaofeiqi/article/details/53819445
2016-12-23 11:43:38
3471
5
原创 ASM(Active Shape Model)主动形状模型通俗易懂讲解一:理论
这篇文章首先简要的回顾一下理论知识,结合自己的理解说了很多大白话解释原理。其实也就是具体实现中应该怎么操作的步骤。下一篇结合代码讲解。由于公式图片多,多以直接转换成了图片,方便上传。具体的可参考之前的博文:http://blog.csdn.net/rongrongyaofeiqi/article/details/53409677
2016-12-22 20:08:39
9892
翻译 ASM(Active Shape Models:主动形状模型)的介绍:asm_overview
看文献的时候随手翻译的。可能翻译的并不是很精准。供学习交流~
2016-11-30 16:18:38
2797
2
翻译 人脸对齐:Face Alignment at 3000 FPS via Regressing Local Binary Features
看文献的时候随手翻译的。可能翻译的并不是很精准。供学习交流~
2016-11-30 16:05:41
990
原创 VR眼控中瞳孔定位与光斑定位
VR眼控中瞳孔定位与光斑定位0、设备采集的图像如下:1、定位瞳孔 以椭圆拟合2、基于瞳孔中心定位光斑 以瞳孔中心约束光斑
2016-11-21 15:43:43
2153
原创 C++版 Face Alignment at 3000FPS(四)封装成库运行
以C++版 Face Alignment at 3000FPS工程为例讲述如何封装成库来运行。
2016-11-09 10:04:28
1353
原创 C++版 Face Alignment at 3000FPS(三)Demo运行
C++版 Face Alignment at 3000FPS(三)Demo运行 显示人脸特征点
2016-11-03 15:35:08
1375
2
原创 C++版 Face Alignment at 3000FPS(二)TestModel运行
C++版 Face Alignment at 3000FPS(二)TestModel运行
2016-11-03 11:00:17
1321
原创 C++版 Face Alignment at 3000FPS(一)TrainModel运行
C++版 Face Alignment at 3000FPS TrainModel运行
2016-11-03 10:19:28
3462
14
原创 卷积神经网络学习一:必要的OpenCV库、TBB库和boost库安装及配置
C++卷积神经网络学习必要的OpenCV库、TBB库和boost库安装及配置
2016-10-31 19:56:19
6057
原创 OpenCV提取轮廓的方法获取瞳孔区域及中心
获取人眼感兴趣之后,提取图像轮廓,根据目标物体具体的宽高比,面积等信息筛选轮廓,生成轮廓凸包,获得目标物体中心。
2016-09-12 18:48:02
13083
6
原创 图像感兴趣区域ROI获取的正确方式
获取感兴趣区域图像,能保存得到正确的图像(cv::Mat)。但转换成后续所需要的接口数据类型(const void* const)之后,处理结果错误。提醒大家,获取感兴趣区域图像的方式要注意!!!
2016-09-12 17:24:42
20620
原创 string、const char*、 char* 、char[]相互转换(全)
string、const char*、 char* 、char[]四者类型经常会需要转化。一:转化总结形式如下:使用时,要对源格式和目标格式进行初始化。源格式赋值为具体的内容,目标格式赋值为空。源格式 目标格式stringconst char*char*char[]string
2016-09-05 17:39:41
61199
4
原创 智能指针与memmove同时使用,造成程序崩溃
智能指针使用的实际次数大于计数器的数值。当最后一次调用析构函数时,计数器已经为0,相当于此时析构函数释放空指针,因此会造成程序运行崩溃。
2016-09-05 10:48:57
1420
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人