tcj2015-CSDN博客

翻译 Face Detection using Haar Cascades

haar 级联分类器是一个有效的目标检测方法，2001年Paul Viola 和 Michael Jones 提出。也是基于机器学习的方法，由大量正反图片训练的级联方法。这里我们用来人脸检测。该方法需要大量的正图（有人脸）和负图（没有人脸）来训练分类。然后从中提取特征，因此haar特征被使用，特征如下：它们就像卷积核。每个特征是从白色区域所有像素和减去

2017-04-10 11:20:54 461

翻译 Understanding K-Means Clustering

1，T-shirt size problem 一家公司，即将向市场投放新款的t-shift，很明显，他们要声场不同大小的t-shift来时满足市场上不同人的需求，于是公司做了用户身高体重的数据表，用如下数据表呈现，公司没法生产所有型号，但是可以把用户分为小，中，大，生产这三种型号来满足用户的所有用户的型号。把用户分为3组，可以用k-mean 聚类完成，该算法会

2017-04-09 22:01:26 238

翻译 OCR of Hand-written Data using SVM

1，OCR of Hand-written Digits 在KNN中，我们直接使用像素定义了特征向量，这里使用HOG作为特征向量。在找到HOG 之前，我们要对图像做抗扭曲，所以首先定义一个函数 def deskew(img): m = cv2.moments(img) if abs(m['mu02']) < 1e-2: return img.co

2017-04-09 20:50:31 465

翻译 Understanding SVM

1，Linearly Separable Data 线性数据切分考虑下面这张图，有红色数据和蓝色数据。在KNN 中，作为测试数据，要测量所有的训练数据的距离并取最小距离值。这要消耗大量的时间来计算距离和大量的内存来保存训练数据。考虑这些数据都是图像提供的，我们是否正的需要那么多？有另一种想法，找到一条线，f(x)= ax+by+c，把所有的数据分成两部分。当我们

2017-04-09 17:23:43 259

翻译 OCR of Hand-written Data using kNN

我们的目标是创建一个可以识别手写数字的应用。为此我们需要一些训练数据和测试数据。openCV带有数字图片digits.png （opencv/samples/python2/data/）带有5000个手写数字（每个数字是500个）。每张图片都是20*20大小。所以首先要将图片切割成5000个不同图片。每个数字，把它变成一个单行400像素。这就是我们的特征集，既定义了所有像素的值，也是我们创建的

2017-04-09 16:48:44 368 1

翻译 Understanding k-Nearest Neighbour

1, KNN 是应用于监督式学习的一个简单的分类算法。目的是查找特征空间中最匹配的测试数据。这幅图中有两大家族，蓝色方框与红色三角。我们把家族叫做类，在小镇地图上呈现的是他们的房间，叫做特征空间。（可以想象特征空间就是受保护数据的空间，比如2d坐标空间中，所有的数据都有两个特征，x和y坐标。你可以表示该数据2 d坐标空间，对吧？在想象一下,如果有三个特征,你需要3 d空间，现在考

2017-04-09 14:53:49 823

翻译背景分割

背景分割是许多可视化应用中重要操作。比如：一个静止的摄像头计算进出房间的游客数量的计数器，或者交通摄像头的车辆信息提取等等。在所有这些案例中都要独立提取人或者车，从技术上讲，需要将动态的前景与静态的背景分离。如果有一张没有游客的房间或者没有车辆的道路背景图，那么很简单，只要将新图和背景图做减法，就能得到前景图了。但是多数情况是没有这样的背景图的。所有我们需要在任何情况下都可以提取背景

2017-04-09 13:37:41 5459

翻译光流

光流是运动的物体或摄像头产生的两个连续帧之间的图像运动模型，是前一帧与后一帧之间点运动的2d位移向量。该图显示了一个球的5个连续帧，箭头示出了位移矢量。光流的领域中具有许多应用，如： 1，运动结构 2，视频压缩 3，视频稳定 …… 光流的几个设想

2017-04-09 11:20:18 901

金鱼