2016年07月_StefanSalvatore

12月 11月 09月 08月 07月 06月 05月

转载 OpenCV原理解读之HAAR+Adaboost

由于在做人脸检测的项目，用到了OpenCV的训练结果中的老分类器，因此将旧分类器的检测方法进行了总结，加上了一些自己的理解，并转载了一些较好的文章记录下来。文章http://www.61ic.com/Article/DaVinci/TMS320DM646x/201310/50733.html解决了以下函数移植到DSP上的一些问题下面为HAAR特征检测的具体流

2016-07-31 00:28:51 1305

转载机器视觉与图像处理研究必备

机器视觉和图像处理的研究工作，做到以下两点非常重要：1、把握国际最前沿的内容2、所做的工作具备很高的实用性上述两点的解决方法分别为：找到这个方向公认成就最高的几个超级专家；找到实际应用的项目，边做边写文章做好这几点的途径之一就是利用网络资源，利用权威网站和专家们的个人主页；以下大家收集了机器视觉和图像处理领域的核心材料。依照下面目录整理：[1] 研究群体(

2016-07-28 11:02:03 4915

转载 how to draw Opencv face detection Adaboost ROC/PR (绘制方法)

关于adaboost的一些说明 cf.http://www.opencv.org.cn/forum/viewtopic.php?t=4264Rainer Lienhart, Empirical Analysis of Detection Cascades of Boosted Classifiers for Rapid Object Detection: Receiver Operatin

2016-07-28 10:43:33 1157 1

转载加速matlab运行的三重境界

加速matlab运行的三重境界加速matlab运行的三重境界 %%%%%%%%%%%%%%% 一、遵守Performance Acceleration的规则二、遵守三条规则三、绝招 %%%%%%%%%%%%%%%%% 一、遵守Performance Acceleration的规则关于什么是“Performance Accelerat

2016-07-28 10:38:38 3976

转载牛人主页（主页有很多论文代码）

牛人主页（主页有很多论文代码）Serge Belongie at UC San DiegoAntonio Torralba at MITAlexei Ffros at CMUCe Liu at Microsoft Research New EnglandVittorio Ferrari at Univ.of EdinburghKristen Grauman at UT Au

2016-07-21 09:20:40 1041

转载机器学习中的相似性度量 (多种几何距离定义)

在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。　　本文的目的就是对常用的相似性度量作一个总结。本文目录：1. 欧氏距离2. 曼哈顿距离3. 切比雪夫距离4. 闵可夫斯

2016-07-21 08:58:16 5310

转载分类之性能评估指标

本文主要介绍几种常用的用于分类的性能评估指标，同时介绍如何绘制ROC曲线以及计算AUC值的便捷方法。最后再附上一个绘制ROC曲线和计算AUC的源码实现（Python）。Precision和Recall首先我们来看看下面这个混淆矩阵：pred_label/true_labelPositiveNegativePosit

2016-07-12 00:22:49 799

转载机器学习算法比较

本文主要回顾下几个常用算法的适应场景及其优缺点！（提示：部分内容摘自网络）。机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到一个合适算法真的不容易，所以在实际应用中，我们一般都是采用启发式学习方式来实验。通常最开始我们都会选择大家普遍认同的算法，诸如SVM，GBDT，Adaboost，现在深度学习很火热，神经网络也是一个不错的选择。假如你在乎精度（accuracy）的话，

2016-07-12 00:05:22 912

原创求矩阵中最大（小）值并返回其行列号

% 方法 1disp('方法 1');A=[0 17 50;-12 40 3;5 -10 2;30 4 3][C,I]=max(A(:))[m,n]=ind2sub(size(A),I)% 方法 2disp('方法 2');A=[0 17 50;-12 40 3;5 -10 2;30 4 3][M,I]=max(A)[N,J]=max(M)[I(J),J]

2016-07-03 22:25:12 2219

转载 cvHaarDetectObjects参数意义

函数原型：CvHaarClassifier（Cascade* cascade, CvMemStorage* storage, double scale_factor=1.1, int min_neighbors=3, int flags=0, CvSize min_size=cvSize(0,0) ); image 被检图像 c

2016-07-01 19:50:05 433