![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
少林达摩祖师
这个作者很懒,什么都没留下…
展开
-
如何从科学论文中实现一个算法
原文:http://codecapsule.com/2012/01/18/how-to-implement-a-paper/作者:Emmanuel Goossaert本文是从科学论文中实现算法的简短指南。我从书籍和科学出版物中实现了许多复杂的算法,本文总结了我在搜索,阅读,编码和调试方面所学到的知识。这显然仅限于与计算机科学领域有关的领域的出版物。然而,您应该能够将以下提供的指导方针...转载 2020-01-13 17:17:56 · 606 阅读 · 0 评论 -
OpenCL的学习---计算直方图的理解
之前的理解device上每个compute unit:看到《OpenCL编程指南》第14章---计算直方图,有点难理解,我对内存中抽象的东西。所以kernel函数那里看了很久。感谢北邮的大神 http://www.mrobotit.cn/~s...转载 2020-01-13 17:13:20 · 481 阅读 · 0 评论 -
ISP模块之色彩增强算法--HSV空间Saturation通道调整
色彩增强不同于彩色图像增强,图像增强的一般处理方式为直方图均衡化等,目的是为了增强图像局部以及整体对比度。而色彩增强的目的是为了使的原有的不饱和的色...转载 2019-12-16 15:59:34 · 707 阅读 · 0 评论 -
OpenCV学习笔记(八)--颜色空间及转换
...转载 2019-12-16 15:57:57 · 271 阅读 · 0 评论 -
opencv HSV 颜色模型(H通道取值 && CV_BGR2HSV_FULL与CV_BGR2HSV的区别)
利用opencv把RGB图片像HSV颜色空间转变(CV_BGR2HSV)的时候,H通道的值范围为: 0-180S: 0-255V:0-255利用直方图显示三个通道...转载 2019-12-16 15:55:13 · 543 阅读 · 0 评论 -
OpenCV图像增强算法实现(直方图均衡化、拉普拉斯、Log、Gamma)
1. 基于直方图均衡化的图像增强直方图均衡化是通过调整图像的灰阶分布,使得在0~255灰阶上的分布更加均衡,提高了图像的对比度,达到改善图像主观视觉效果的目的。对比度较低的...转载 2019-12-16 15:53:47 · 188 阅读 · 0 评论 -
离散傅里叶变换(DFT)
目录 一、研究的意义 二、DFT的定义 三、DFT与傅里叶变换和Z变换的关系 四、DFT的周期性 五、matlab实验 五.1 程序 五.2 实验结果一、研究的意义 DTFT计算公式,中的w取值是连续的而且从负无穷大到正无穷大,对于计算机处理是不可能的,需要无限细分无限区间。即使在DT...原创 2019-12-16 15:52:02 · 7870 阅读 · 0 评论 -
压缩感知的常见稀疏基名称及离散傅里叶变换基
题目:压缩感知的常见稀疏基名称及离散傅里叶变换基一、首先看九篇文献中有关稀疏基的描述:[1]喻玲娟,谢晓春.压缩感知介绍[J]. 电视技术,2008,32(12):16-...转载 2019-12-16 15:50:35 · 1067 阅读 · 0 评论 -
离散傅里叶变换(DFT)的矩阵形式
废话不多说了,先看一下离散傅里叶变换的公式:公式1看着如此简单的公式,其实暗藏玄机,往往我们忽略的都是最重要的细节。第一,这个公式针对的是离散周期信号,得到的频域也是离散周期频信号。这也是最普遍使用的公式,方便在计算机上计算。即使信号不是周期信号,在计算机上计算的时候,由于序列长度有限,我们就可以认为这只是信号的一个周期内容。同样,我们输入到计算机中的序列一定是经过采样定理采样后的信号,...原创 2019-12-16 15:48:31 · 16685 阅读 · 3 评论 -
离散傅里叶变换
傅里叶变换将信号分解为正弦波,离散傅里叶变换DFT基于数字信号。real DFT是将输入输出信号都用实数表示,一般用复数DFT,但实数DFT是基础。傅里叶变换族傅里叶变换是...转载 2019-12-16 15:38:55 · 4810 阅读 · 0 评论 -
边缘检测 从Roberts到Canny算子
恰逢培训及前一段时间利用边缘方面知识开发项目,整理了相关知识作为培训材料,很久没写博了,知识还是需要梳理。一、边缘的重要性边缘在图像处理中的重要性不言而喻。当前AI最高端技术莫过于深度学习,而图像方面的深度学习建模所需要的特征,很多是从边缘为起点,不断向上构成更高层次的特征描述。我们来看下例子,此例摘自zouxy09关于深度学习的一篇文章( Deep Learn...转载 2019-12-16 15:01:22 · 747 阅读 · 0 评论 -
第七节 方向导数与梯度
教学目的:掌握方向导数的定义和求法;掌握梯度的定义、求法及其与等高线的关系.教学重点:方向导数与梯度的求法.教学难点:方向角的确定.教学内容:一、方向导数现在我们来讨论函数在一点沿某一方向的变化率问题.定义设函数在点的某一邻域内有定义.自点引射线.设轴正向到射线的转角为(逆时针方向:0;顺时针方向:0),并设'(+△,+△)为上的另一点且'∈.我们考虑函数的增量(+△,+...原创 2019-12-16 14:52:38 · 1685 阅读 · 0 评论 -
【OpenCV入门教程之九】 非线性滤波专场:中值滤波、双边滤波
正如我们上一篇文章中讲到的,线性滤波可以实现很多种不同的图像变换。然而非线性滤波,如中值滤波器和双边滤波器,有时可以达到更好的实现效果。邻域算子的其他一些例子还有对二值图像进行操作的形态学算子,用于计算距离变换和寻找连通量的半全局算子。先上一张截图:一、理论与概念讲解——从现象到本质1.1 非线性滤波概述之前的那篇文章里,我们所考虑的滤波器都是线性的,即两个信号之和的响应和他...转载 2019-12-16 14:51:04 · 199 阅读 · 0 评论 -
四种主流聚类方法
聚类就是按照某个特定标准(如距离准则,即数据点之间的距离)把一个数据集分割成不同的类或簇,使得同一个簇内的数据对象的相似性尽可能大,同时不在同一个簇中的数据对象的差异性也尽可能地大。我们可以具体地理解为,聚类后同一类的数据尽可能聚集到一起,不同类数据尽量分离。聚类技术[2]正在蓬勃发展,对此有贡献的研究领域包括数据挖掘、统计学、机器学习、空间数据库技术、生物学以及市场营销等。各种...转载 2019-05-15 15:39:29 · 1326 阅读 · 0 评论 -
史上最详细最容易理解的HMM文章
HMM(隐马尔科夫模型)是自然语言处理中的一个基本模型,用途比较广泛,如汉语分词、词性标注及语音识别等,在NLP中占有很重要的地位。网上关于HMM的介绍讲解文档很多,我自己当时开始看的时候也有点稀里糊涂。后来看到wiki上举得一个关于HMM的例子才如醍醐灌顶,忽然间明白HMM的三大问题是怎么回事了。例子我借助中文wiki重新翻译了一下,并对三大基本问题进行说明,希望对读者朋友有所帮助: Al...转载 2019-07-01 17:40:20 · 1386 阅读 · 0 评论 -
Fuzzy C-mean 聚类原理及图像颜色分割的实例
Fuzzy C-mean(FCM,模糊C均值)聚类:N个样本,将它们聚类到C个集合中,使得目标函数J(u)最小其中,uij指的是第i个样本xi属于第j个聚类中心点cj的概率值,取值范围[0.0-1.0]。cj是聚类中心点。显然,对于以上的最小问题求解,除了样本xi已知,其余两个都是未知量,不能直接求解析式uij和cj的解,因为这两个未知数是相互相关的,如cj由样本xi和uij共同决定,...转载 2019-07-01 17:41:33 · 929 阅读 · 0 评论 -
RCNN, Fast RCNN和Faster RCNN的简单总结与对比
直接看图,懒得写了~(不适合初级学者)转载 2019-07-01 17:42:17 · 314 阅读 · 0 评论 -
DBSCAN密度聚类算法
DBSCAN(Density-Based Spatial Clustering of Applications with Noise,具有噪声的基于密度的聚类方法)是一种很典型的密度聚类算法,和K-Means,BIRCH这些一般只适用于凸样本集的聚类相比,DBSCAN既可以适用于凸样本集,也可以适用于非凸样本集。下面我们就对DBSCAN算法的原理做一个总结。1. 密度聚类原理 DB...转载 2019-07-01 17:48:05 · 280 阅读 · 0 评论 -
聚类算法K-Means, K-Medoids, GMM, Spectral clustering,Ncut
聚类算法是ML中一个重要分支,一般采用unsupervised learning进行学习,本文根据常见聚类算法分类讲解K-Means, K-Medoids, GMM, Spectral clustering,Ncut五个算法在聚类中的应用。Clustering Algorithms分类1. Partitioning approach:建立数据的不同分割,然后用相同标准评...转载 2019-07-01 17:48:57 · 339 阅读 · 0 评论 -
Fuzzy c-means (FCM)聚类算法
算法原理允许同一数据属于多个不同的类。该算法(developed by Dunn in 1973 and improved by Bezdek in 1981)经常用于模式识别,基于最小化下列目标函数:,其中, m 是大于1的实数,uij 是xi 属于类别 j隶属度, xi 第i个测量到的d维数据, cj 是类j的聚类中心,||*|| 表示任一测量数据与聚类中心的...转载 2019-05-15 15:38:44 · 436 阅读 · 0 评论 -
FCM聚类算法介绍
FCM算法是一种基于划分的聚类算法,它的思想就是使得被划分到同一簇的对象之间相似度最大,而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进,普通C均值算法对于数据的划分是硬性的,而FCM则是一种柔性的模糊划分。在介绍FCM具体算法之前我们先介绍一些模糊集合的基本知识。1模糊集基本知识 首先说明隶属度函数的概念。隶属度函数是表示一个对象x隶属于集合A的程度的函数,通常记做μA...转载 2019-05-15 15:37:44 · 475 阅读 · 0 评论 -
模糊聚类算法(FCM)
伴随着模糊集理论的形成、发展和深化,RusPini率先提出模糊划分的概念。以此为起点和基础,模糊聚类理论和方法迅速蓬勃发展起来。针对不同的应用,人们提出了很多模糊聚类算法,比较典型的有基于相似性关系和模糊关系的方法、基于模糊等价关系的传递闭包方法、基于模糊图论的最大支撑树方法,以及基于数据集的凸分解、动态规划和难以辨别关系等方法。然而,上述方法均不能适用于大数据量的情况,难以满足实时性要求较高的...转载 2019-05-15 15:37:13 · 2503 阅读 · 0 评论 -
基于深度学习的目标检测技术演进:R-CNN、Fast R-CNN、Faster R-CNN
object detection我的理解,就是在给定的图片中精确找到物体所在位置,并标注出物体的类别。object detection要解决的问题就是物体在哪里,是什么这整个流程的问题。然而,这个问题可不是那么容易解决的,物体的尺寸变化范围很大,摆放物体的角度,姿态不定,而且可以出现在图片的任何地方,更何况物体还可以是多个类别。object detection技术的演进:RCNN->S...转载 2019-05-15 15:34:37 · 86 阅读 · 0 评论 -
【目标检测】SPPNet算法详解
转载自http://blog.csdn.net/u011534057/article/details/51219959Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition(SPP-net)1 基础框架 CNN网络需要固定尺寸的图像输入,SPPNet将任意大小的图像池化生成固定长度的...转载 2019-05-15 15:33:27 · 641 阅读 · 1 评论 -
利用Hog特征和SVM分类器进行行人检测
2015年07月07日 10:33:56beihangzxm123阅读数:27531更多个人分类:图像特征+分类器1、HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经...转载 2019-05-15 15:32:21 · 1349 阅读 · 0 评论 -
结构风险最小化
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/Yaroo/article/details/53979115理论背景基于数据的机器学习是现代智能技术中的重要方面,研究从观测数据(样本)出发寻找规律,利用这些规律对未来数据或无法观测的数据进行预测。迄今为止,关于机器学习还没有一种被共同接受的理论框架,关于其实现方法大致可以分为三种:...转载 2019-05-15 15:29:51 · 900 阅读 · 0 评论 -
如何理解线性赋范空间、希尔伯特空间, 巴拿赫空间,拓扑空间
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/MR_Hai_CN/article/details/53207307赋范空间,度量空间,线性赋范空间,线性度量空间,希尔伯特空间, 巴拿赫空间,拓扑空间如何不被他们吓到?函数空间一、问题的提出在微积分中可以定义极限和连续,依赖于距离那么,什么是距离呢?通俗的看法,大家都认为距离就...转载 2019-05-15 15:28:33 · 2653 阅读 · 0 评论 -
MSER最稳定极值区域源码分析
最稳定极值区域介绍如把灰度图看成高低起伏的地形图,其中灰度值看成海平面高度的话,MSER的作用就是在灰度图中找到符合条件的坑洼。条件为坑的最小高度,坑的大小,坑的倾斜程度,坑中如果已有小坑时大坑与小坑的变化率。上图展示了几种不同的坑洼,根据最小高度,大小,倾斜程度这些条件的不同,选择的坑也就不同。上图展示了最后一个条件,大坑套小坑的情况。根据条件的不同,选择也不同。以上...转载 2019-07-01 17:50:10 · 137 阅读 · 0 评论 -
[图像]Canny检测的Matlab实现(含代码)
文章目录@[toc]Canny边缘检测基本特征如下:Canny边缘检测算法步骤:步骤详解步骤1:用高斯滤波器平滑处理原图像步骤2:用一阶偏导的有限差分进行计算梯度的幅值和方向步骤3:对梯度幅值进行非极大值抑制步骤4:用双阈值算法检测和连接边缘代码主函数代码Canny边缘检测函数代码结果对比对比图像分析图象的边缘是指图象局部区域亮度变化显著的部分,该区域的灰度剖面一...转载 2019-07-01 17:51:41 · 773 阅读 · 0 评论 -
聚类(1)——混合高斯模型 Gaussian Mixture Model
聚类系列:聚类(序)----监督学习与无监督学习聚类(1)----混合高斯模型 Gaussian Mixture Model 聚类(2)----层次聚类 Hierarchical Clustering 聚类(3)----谱聚类 Spectral Clustering-------------------------------- 聚类的方法有很多种,k-means要...转载 2018-11-15 18:22:07 · 648 阅读 · 0 评论 -
图像二阶导数的推导
前面我们介绍过了图像的梯度,以及图像的几个梯度算子。这些本质上都是一阶导数,或一阶微分。就是求图像灰度变化的导数,能够突出图像中的对象边缘。那有一阶导数,有没有二阶导数呢?求导数的导数,这对灰度变化强烈的地方会更敏感。在微积分中,一维函数的一阶微分的基本定义是这样的:dfdx=limϵ→0f(x+ϵ)−f(x)ϵdfdx=limϵ→0f(x+ϵ)−f(x)ϵ那么,二阶微分的基本定义...转载 2019-07-09 17:42:59 · 2194 阅读 · 0 评论 -
示例程序042--给轮廓画出矩形和圆形边界
OpenCV支持大量的轮廓、边缘、边界的相关函数,相应的函数有moments、HuMoments、findContours、drawContours、approxPolyDP、arcLength、boundingRect、contourArea、convexHull、fitEllipse、fitLine、isContourConvex、minAreaRect、minEnclosingCircl...转载 2019-07-09 17:40:06 · 159 阅读 · 0 评论 -
使用CvStartfindcontours画出轮廓。
[html]view plaincopyprint?<div><spanstyle="font-family:Arial;color:#333333;"><spanstyle="font-size:14px;line-height:26px;"> </span></span></div>[html]...转载 2019-07-09 17:38:35 · 155 阅读 · 0 评论 -
【OpenCV学习】图像轮廓的提取和绘制
#include "highgui.h"#include "cv.h"#include <iostream>#include <iomanip>using namespace std;int main(void){ int i=0; int mode = CV_RETR_CCOMP;//设置提取轮廓模式 int contours_n...转载 2019-07-09 17:38:02 · 252 阅读 · 0 评论 -
前景检测算法_4(opencv自带GMM)
前面已经有3篇博文介绍了背景减图方面相关知识(见下面的链接),在第3篇博文中自己也实现了gmm简单算法,但效果不是很好,下面来体验下opencv自带2个gmm算法。 opencv实现背景减图法1(codebook和平均背景法) http://www.cnblogs.com/tornadomeet/archive/2012/04/08/2438158.html opencv实现背景...转载 2019-07-09 17:36:58 · 220 阅读 · 0 评论 -
视频前景目标提取(一)
最近几天参加了一次比赛,提取监控视频前景目标,前前后后试了很多的方法,帧差法+GMM,四帧差法,改进帧差法,混合高斯模型,改进的混合高斯模型,ViBe前景目标提取,ViBe+GMM前景目标提取等等。最后也尝试了模板匹配和HOG+SVM训练样本图片提取视频目标。大概会用几篇文章介绍一下这些方法的优缺点和各自的适用情况。编程实现均在opencv2.4.13+VS2015环境。首先介绍一下帧...转载 2019-07-09 17:34:13 · 558 阅读 · 0 评论 -
OpenCV函数cvFindContours轮廓提取
提取轮廓在OpenCV里有一个函数cvFindContours这个函数用起来很方便,但是随着你使用的深入,你会发现有一些迷惑在这里。比如当你提取轮廓时只需要最外围的一个轮廓,但是你会发现当轮廓画出来时是好几个;当你需要找一个最大轮廓时却发现找出来的却根本就不是你想要的那个。带着这样问题我们再来仔细看看cvFindContours这个函数。下边的是一位仁兄写的测试程序和测试图片,...转载 2019-07-09 17:39:28 · 705 阅读 · 0 评论 -
图像分割有哪些方法
·1 基于区域的图像分割图像分割中常用的直方图门限法、区域生长法、基于图像的随机场模型法、松弛标记区域分割法等均属于基于区域的方法。(1)直方图门限分割就是在一定的准则下,用一个或几个门限值将图像的灰度直方图(一维的或多维的)分成几个类,认为图像中灰度值在同一个灰度类内的象素属于同一个物体,可以采用的准则包括直方图的谷底、最小类内方差(或最大类间方差) 、最大熵 (可使用各...转载 2019-07-09 17:32:39 · 2776 阅读 · 0 评论 -
图像算法之九:混合高斯模型GMM
一、原理混合高斯背景建模是基于像素样本统计信息的背景表示方法,利用像素在较长时间内大量样本值的概率密度等统计信息(如模式数量、每个模式的均值和标准差)表示背景,然后使用统计差分(如3σ原则)进行目标像素判断,可以对复杂动态背景进行建模,计算量较大。在混合高斯背景模型中,认为像素之间的颜色信息互不相关,对各像素点的处理都是相互独立的。对于视频图像中的每一个像素点,其值在序列图像中的变...转载 2019-07-09 17:31:58 · 892 阅读 · 0 评论 -
一种简单的图像显著性计算模型
《Saliency Detection: A Spectral Residual Approach》是上交高材生侯晓迪在07年的CVPR上发表的一篇论文。这篇文章提出了一个图像视觉显著性的简单计算模型。有关算法原理可以参见此篇论文以及作者主页:http://www.klab.caltech.edu/~xhou/projects/spectralResidual/spectralresidual.h...转载 2019-07-01 17:54:28 · 223 阅读 · 0 评论