图像算法
文章平均质量分 91
Tcorpion
写着代码,喜欢着东方姑娘,陈乔恩
展开
-
Bag of Words(BOW)模型
这几天忙里偷闲看了一些关于BOW模型的知识,虽然自己做图像检索到目前为止并没有用到过BOW模型,不过了解一下BOW并不是一件毫无意义的事情。网上关于理解BOW模型也很多,而且也很详细,再写一点关于BOW模型的理解,无异于重新造一次轮子,不过我一直坚信重复造轮子并不是完全没有意义的,重要的是你能够从中学到很多的知识,如果可能,你甚而再这个重复造轮子的过程中发现新问题,并进行改进。好了,回归正转载 2017-05-29 18:49:10 · 435 阅读 · 0 评论 -
SIFT、SURF 、HOG 讲解博文
SIFT 讲解博文:1. http://www.cnblogs.com/starfire86/p/5735061.html2. http://blog.csdn.net/abcjennifer/article/details/7639681/转载 2017-06-14 22:07:02 · 825 阅读 · 0 评论 -
PCA详细讲解、ZCA、 Whitening、SVD
----------------博主很懒,看到写得详细的讲得好的算法博文,直接放链接就走了------------------------PCA详细讲解,浅显易懂http://www.360doc.com/content/13/1124/02/9482_331688889.shtml原创 2017-06-05 15:22:10 · 583 阅读 · 0 评论 -
Tensorflow中dropout和batch normalization
直接上代码探讨:def batch_norm_layer(x, train_phase, scope_bn):##x is input-tensor, train_phase is tf.Variable(True/False) with tf.variable_scope(scope_bn): beta = tf.Variable(tf.constant(0.0, s原创 2018-01-04 19:35:44 · 2587 阅读 · 0 评论 -
计算机视觉三大顶级国际会议和国外知名期刊投稿
第一次写英文文章,2018-1-30投了个IEEE SIGNAL PROCESSING LETTERS,不知道命运如何,mark。中国计算机学会推荐国际学术会议和期刊目录http://history.ccf.org.cn/sites/ccf/paiming.jsp武汉大学计算机视觉与遥感实验室http://cvrs.whu.edu.cn/index.php?转载 2018-01-30 15:44:42 · 3032 阅读 · 0 评论 -
matplotlib使用
除了自己写的,还可以参考:http://blog.csdn.net/u010668907/article/details/51114659,3D绘图参考:http://blog.csdn.net/Eddy_zheng/article/details/48713449最近写文章要做一些可视化图,用到matplotlib库, 留几个案例备忘: def show_imgpair(self,imgs...原创 2018-02-12 20:30:33 · 770 阅读 · 0 评论 -
深度神经网络-初始化+训练-工程经验
以下内容来源:https://blog.csdn.net/liyaohhh/article/details/77165483如果激活函数使用sigmoid和tanh,怎最好使用xavirtf.contrib.layers.xavier_initializer_conv2d如果使用relu,则最好使用he initialtf.contrib.layers.variance_scaling_initi...原创 2018-02-21 21:27:41 · 293 阅读 · 0 评论 -
《Recognising Panoramas》 理解
1. 理解世界坐标系到图像像素坐标的转换参考文章 (1)https://blog.csdn.net/yonger_/article/details/55194602 (2)https://blog.csdn.net/kokerf/article/details/72885435,这两篇文章讲解了很详细。2. 理解 “矩阵指数” 形式的旋转矩阵参考文章 (3) https://blog.csdn....原创 2018-04-01 20:51:52 · 1010 阅读 · 0 评论 -
相机标定 和 单应性矩阵H
参考链接: https://blog.csdn.net/yonger_/article/details/55194602单应性矩阵优化(物体识别+跟踪)(AR方向)基于fastcv识别分析,MATLAB算法测试【大部分知识文字图片由网上查找】之所以对单应性矩阵H进行优化,是因为p=Hp'中,p'通过H映射得到的p不稳定,每帧所求H变化太大,需要对H进行优化。求解相机参数的过程就称之为相机标定。1....转载 2018-04-01 14:40:14 · 3904 阅读 · 0 评论 -
单应矩阵分解
原文链接: https://blog.csdn.net/kokerf/article/details/72885435转载 2018-04-01 16:13:04 · 1195 阅读 · 0 评论 -
Levenberg–Marquardt算法、Gauss-Newton算法 学习指南
1.好好看一下《METHODS FOR NON-LINEAR LEAST SQUARES PROBLEMS》2nd Edition, April 2004,K. Madsen, H.B. Nielsen, O. Tingleff. 这本短书讲得很详细。2. 参考博文, 这里两篇很细致,与上面的短书内容一致。Levenberg–Marquardt: https://blog.csdn.net/ji...原创 2018-04-04 22:47:08 · 1987 阅读 · 0 评论 -
CodeBlocks+OpenCV3.4.1环境搭建
一、参考:(1)https://www.cnblogs.com/jerrybaby/p/6264984.html(2)https://segmentfault.com/a/1190000014284086(3)https://blog.csdn.net/wx7788250/article/details/54970903二、操作cmake:MinGW编译openCV出错修复,参考(2)。这里增加一...原创 2018-04-07 16:37:36 · 3460 阅读 · 0 评论 -
两幅图像线性拼接
1. 收藏链接:https://blog.csdn.net/wd1603926823/article/details/49582461一、2幅图像拼接流程1>>>提取局部特征,计算特征点对应,本文使用rootSIFT计算特征点的最近邻,然后帅选优质最近邻(最近邻距离<0.2*次近邻距离,这里的0.2是自定义的)流程2>>>检验单应矩阵是否符合要求,参考论文...原创 2018-05-01 22:36:58 · 1333 阅读 · 0 评论 -
两幅图像多频带融合
1.方法推荐参考链接:https://www.cnblogs.com/silence-hust/p/4193208.html2.待验证论文方法: 方贤勇,潘志庚,徐丹.《图像拼接的改进算法》[J], 计算机辅助设计与图形学学报, 2003.对于两幅要进行拼接的原始图像f 1 和f 2 , 在求出缝合线后, 进行多分辨率拼接的具体步骤如下: Step1.以拼接后的图像大小为尺寸, 生成一幅区域...原创 2018-05-04 21:39:28 · 1829 阅读 · 1 评论 -
Object Detection
1 准备数据这里以 VOC2012 作为实战对象.数据集下载地址:http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar 既可参考csdn博文对该数据集的讲解:https://blog.csdn.net/zhangjunbob/article/details/52769381又可参考下载后的pdf介绍...原创 2018-06-26 08:41:46 · 241 阅读 · 0 评论 -
图像增强第三方Python库imgaug学习笔记
参考博文: https://blog.csdn.net/u012897374/article/details/80142744official website of imgaug: http://imgaug.readthedocs.io/en/latest/index.html原创 2018-11-03 16:31:48 · 770 阅读 · 0 评论 -
KL距离
KL散度(Kullback-Leibler_divergence)KL-divergence,俗称KL距离,常用来衡量两个概率分布的距离。根据shannon的信息论,给定一个字符集的概率分布,我们可以设计一种编码,使得表示该字符集组成的字符串平均需要的比特数最少。假设这个字符集是X,对x∈X,其出现概率为P(x),那么其最优编码平均需要的比特数等于这个字符集的熵:H(X原创 2017-11-15 15:51:49 · 782 阅读 · 0 评论 -
最近邻搜索之乘积量化(Product Quantizer)
===================================================http://blog.csdn.net/CHIERYU/article/details/50321473===================================================简介Product Quantizer是由Herv´e J´egou等人2转载 2017-11-14 16:38:24 · 4828 阅读 · 0 评论 -
< openCV > 最大稳定极值区域(MSER-Maximally Stable Extremal Regions)
from: http://blog.csdn.net/zhaocj/article/details/40742191最大稳定极值区域(MSER-Maximally Stable Extremal Regions)可以用于图像的斑点区域检测。该算法最早是由Matas等人于2002年提出,它是基于分水岭的概念。MSER的基本原理是对一幅灰度图像(灰度值为0~255)取阈值进行二值化转载 2017-06-16 11:45:07 · 3788 阅读 · 0 评论 -
图像检索
图像检索综述CBIR领域,Josef Sivic 和Andrew Zisserman【1】将彼时成熟的文本检索方法用于视频图像搜索。【1】中先对文本检索【2】作简要回顾:分词:documents采用某种分词方法,分割成一个个word;词预处理1:将词根一样的词合并,如walk、walking、walks合并成walk;词预处理2:去除停用词(stop-word),如常见的词:an、the等;原创 2017-06-15 18:50:20 · 1694 阅读 · 0 评论 -
高维数据的快速最近邻
高维数据的快速最近邻算法FLANN1. 简介 在计算机视觉和机器学习中,对于一个高维特征,找到训练数据中的最近邻计算代价是昂贵的。对于高维特征,目前来说最有效的方法是 the randomized k-d forest和the priority search k-means tree,而对于二值特征的匹配 multiple hierarchical clus转载 2017-06-20 15:59:23 · 1805 阅读 · 0 评论 -
随机抽样一致性算法(RANSAC)
from: http://www.cnblogs.com/xrwang/archive/2011/03/09/ransac-1.html 本文翻译自维基百科,英文原文地址是:http://en.wikipedia.org/wiki/ransac,如果您英语不错,建议您直接查看原文。 RANSAC是“RANdom SAmple Consensus(随机抽样一致)”的缩写。它转载 2017-06-21 10:26:26 · 689 阅读 · 0 评论 -
RANSAC与其改进
from: http://blog.csdn.net/tianwaifeimao/article/details/485433611. 经典RANSAC 由Fischer和Bolles在1981年的文章[1]中首先提出,简要的说经典RANSAC的目标是不断尝试不同的目标空间参数,使得目标函数 C 最大化的过程。这个过程是随机(Random)、数据驱动(data-dri转载 2017-06-21 10:37:30 · 1527 阅读 · 0 评论 -
基于图的图像分割
图像分割—基于图的图像分割(Graph-Based Image Segmentation)Reference:Efficient Graph-Based Image Segmentation,IJCV 2004,MIT CodeGraph-Based Segmentation 是经典的图像分割算法,作者Felzenszwalb也是提出DPM算法的大牛。该算法是基于图转载 2017-07-11 16:42:29 · 629 阅读 · 1 评论 -
奇异值分解(SVD)原理详解及推导
转载请声明出处http://blog.csdn.net/zhongkejingwang/article/details/43053513 在网上看到有很多文章介绍SVD的,讲的也都不错,但是感觉还是有需要补充的,特别是关于矩阵和映射之间的对应关系。前段时间看了国外的一篇文章,叫A Singularly Valuable Decomposition The SVD of a Matrix,转载 2017-07-12 22:25:14 · 517 阅读 · 0 评论 -
Siamese Network理解(附代码)
author:DivinerShi文章地址:http://blog.csdn.net/sxf1061926959/article/details/54836696提起siamese network一般都会引用这两篇文章: 《Learning a similarity metric discriminatively, with application to face verifi转载 2017-07-05 21:06:22 · 1836 阅读 · 0 评论 -
非极大值抑制(Non-Maximum-Suppression)
注意看哦,有两个版本的。from: http://blog.csdn.net/u014365862/article/details/53376516理论基础 说实话,讲理论基础实在不是我的强项,但是还是得硬着头皮来讲,希望我的讲解不至于晦涩难懂。 非极大值抑制,简称为NMS算法。是一种获取转载 2017-07-09 17:35:00 · 920 阅读 · 0 评论 -
openCV3 在ubuntu14上的配置
参考:1. http://www.cnblogs.com/asmer-stone/p/5089764.html2. http://docs.opencv.org/master/d7/d9f/tutorial_linux_install.html原创 2017-07-25 22:45:28 · 664 阅读 · 0 评论 -
2D单应的归一化DLT
参考:《multiple view geometry in computer vision》一、二、【 【r_11,r_12】, 【r_21 ,r_22】】如下:三、----------------------------------------------原创 2017-08-26 22:22:20 · 2360 阅读 · 2 评论 -
LSH系列一:p稳定分布LSH算法初探
最近详细研究LSH。转载来源:http://blog.csdn.net/jasonding1354/article/details/38237353上一节,我们分析了LSH算法的通用框架,主要是建立索引结构和查询近似最近邻。这一小节,我们从p稳定分布LSH(p-Stable LSH)入手,逐渐深入学习LSH的精髓,进而灵活应用到解决大规模数据的检索问题上。对应海转载 2017-11-11 20:59:00 · 3432 阅读 · 0 评论 -
LSH系列二:p-稳定E2LSH
转载来源: http://blog.csdn.net/aspirinvagrant/article/details/41253643LSH算法的基本思想就是用随机的哈希函数值保证相似的数据点以很高的概率发生冲突而能够被检测到。最初的LSH应用在haming空间,后来将其扩展到欧氏空间。欧氏局部敏感哈希(E2LSH,Exact Euclidean locality sensit转载 2017-11-11 21:03:05 · 886 阅读 · 0 评论 -
LSH系列概述:局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍
转载来源:http://blog.csdn.net/icvpr/article/details/12342159局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍本文主要介绍一种用于海量高维数据的近似最近邻快速查找技术——局部敏感哈希(Locality-Sensitive Hashing, LSH),内容包括了LSH的原理、LSH转载 2017-11-11 21:14:29 · 831 阅读 · 0 评论 -
LSH系列三:
详见1: http://lib.csdn.net/article/machinelearning/47115 详见2: http://blog.csdn.net/guoziqing506/article/details/53019049 详见3: http://blog.csdn.net/zhoutongchi/article/details/880转载 2017-11-11 22:54:31 · 401 阅读 · 0 评论 -
cnn阅读计划
1. https://blog.csdn.net/whz1861/article/details/78160190 -----inception v12. -----inception v2原创 2018-11-06 20:26:17 · 400 阅读 · 0 评论