计算机视觉、机器学习、人工智能领域知识汇总

http://blog.csdn.net/zouxy09

 

       2012年8月21号开始了我的第一篇博文，也开始了我的研究生生涯。怀着对机器学习和计算机视觉等等领域的懵懂，从一个电子材料的领域跨入这个高速发展的人工智能领域。从开始的因无知而惊慌，因陌生而乏力，到一步步的成长。这过程的知识积累也都大部分反映在这个博客上面了。感谢这个平台促使自己去总结去坚持去进步。也感谢这个平台给我带来了和大家交流的机会。借此博文总结自己过去与未来可能散乱的博文。在此也谢谢大家一直的支持和鼓励，谢谢。

 

一、基于计算机视觉的目标跟踪

计算机视觉、机器学习相关领域论文和源代码大集合

计算机视觉目标检测的框架与过程

最简单的目标跟踪（模版匹配）

压缩感知（Compressive Sensing）学习之（一）

压缩感知（Compressive Sensing）学习之（二）

压缩跟踪Compressive Tracking

压缩跟踪Compressive Tracking源码理解

TLD（Tracking-Learning-Detection）学习与源码理解之（一）

TLD（Tracking-Learning-Detection）学习与源码理解之（二）

TLD（Tracking-Learning-Detection）学习与源码理解之（三）

TLD（Tracking-Learning-Detection）学习与源码理解之（四）

TLD（Tracking-Learning-Detection）学习与源码理解之（五）

TLD（Tracking-Learning-Detection）学习与源码理解之（六）

TLD（Tracking-Learning-Detection）学习与源码理解之（七）

CVPR2013一些论文集合供下载（visual tracking相关）

时空上下文视觉跟踪（STC）算法的解读与代码复现

基于感知哈希算法的视觉目标跟踪

基于meanshift的手势跟踪与电脑鼠标控制（手势交互系统）

关于计算机视觉（随谈）

二、Deep Learning 深度学习

Deep Learning（深度学习）学习笔记整理系列之（一）

Deep Learning（深度学习）学习笔记整理系列之（二）

Deep Learning（深度学习）学习笔记整理系列之（三）

Deep Learning（深度学习）学习笔记整理系列之（四）

Deep Learning（深度学习）学习笔记整理系列之（五）

Deep Learning（深度学习）学习笔记整理系列之（六）

Deep Learning（深度学习）学习笔记整理系列之（七）

DeepLearning（深度学习）学习笔记整理系列之（八）

DeepLearning源代码收集

Deep Learning论文笔记之（一）K-means特征学习

Deep Learning论文笔记之（二）Sparse Filtering稀疏滤波

Deep Learning论文笔记之（三）单层非监督学习网络分析

Deep Learning论文笔记之（四）CNN卷积神经网络推导和实现

Deep Learning论文笔记之（五）CNN卷积神经网络代码理解

Deep Learning论文笔记之（六）Multi-Stage多级架构分析

Deep Learning论文笔记之（七）深度网络高层特征可视化

Deep Learning论文笔记之（八）Deep Learning最新综述

基于3D卷积神经网络的行为理解（论文笔记）

 

三、机器学习相关

机器学习算法中文视频教程

机器学习知识点学习

从最大似然到EM算法浅解

浅说机器学习中“迭代法”

径向基网络（RBF network）之BP监督训练

模板匹配中差值的平方和（SSD）与互相关准则的关系

生成模型和判别模型

机器学习中的范数规则化之（一）L0、L1与L2范数

机器学习中的范数规则化之（二）核范数与规则项参数选择

LibLinear（SVM包）使用说明之（一）README

LibLinear（SVM包）使用说明之（二）MATLAB接口

LibLinear（SVM包）使用说明之（三）实践

计算机视觉、机器学习相关领域论文和源代码大集合

机器学习算法与Python实践之（一）k近邻（KNN）

机器学习算法与Python实践之（二）支持向量机（SVM）初级

机器学习算法与Python实践之（三）支持向量机（SVM）进阶

机器学习算法与Python实践之（四）支持向量机（SVM）实现

机器学习算法与Python实践之（五）k均值聚类（k-means）

机器学习算法与Python实践之（六）二分k均值聚类

机器学习算法与Python实践之（七）逻辑回归（Logistic Regression）

基于稀疏矩阵的k近邻（KNN）实现

神经网络训练中的Tricks之高效BP（反向传播算法）

人脸识别之特征脸方法（Eigenface）

四、Kinect相关学习与实践

KinectSDK v1.7 新特性、交互框架与新概念

Kinect开发学习笔记之（一）Kinect介绍和应用

Kinect开发学习笔记之（二）Kinect开发学习资源

Kinect开发学习笔记之（三）Kinect开发环境配置

Kinect开发学习笔记之（四）提取颜色数据并用OpenCV显示

Kinect开发学习笔记之（五）不带游戏者ID的深度数据的提取

Kinect开发学习笔记之（六）带游戏者ID的深度数据的提取

Kinect开发学习笔记之（七）骨骼数据的提取

Kinect开发学习笔记之（八）彩色、深度、骨骼和用户抠图结合

 

五、语音信号处理与语音识别

语音信号处理之（一）动态时间规整（DTW）

语音信号处理之（二）基音周期估计（Pitch Detection）

语音信号处理之（三）矢量量化（Vector Quantization）

语音信号处理之（四）梅尔频率倒谱系数（MFCC）

语音的基本概念--译自CMU sphinx

语音识别的基础知识与CMUsphinx介绍

PocketSphinx语音识别系统的编译、安装和使用

PocketSphinx语音识别系统语言模型的训练和声学模型的改进

PocketSphinx语音识别系统声学模型的训练与使用

PocketSphinx语音识别系统的编程

 

六、运动检测

运动检测（前景检测）之（一）ViBe

运动检测（前景检测）之（二）混合高斯模型GMM

 

七、图像特征分析

目标检测的图像特征提取之（一）HOG特征

目标检测的图像特征提取之（二）LBP特征

目标检测的图像特征提取之（三）Haar特征

 

八、图像处理相关

简单粗糙的指尖检测方法（FingerTipsDetection）

光流Optical Flow介绍与OpenCV实现

用单张2D图像重构3D场景

 

九、图像分割

图像分割之（一）概述

图像分割之（二）Graph Cut（图割）

图像分割之（三）从Graph Cut到Grab Cut

图像分割之（四）OpenCV的GrabCut函数使用和源码解读

图像分割之（五）活动轮廓模型之Snake模型简介

图像分割之（六）交叉视觉皮质模型（ICM）

 

十、系统工程

基于Qt的P2P局域网聊天及文件传送软件设计

基于FPGA的红外遥控解码与PC串口通信

交互系统的构建之（一）重写Makefile编译TLD系统

交互系统的构建之（二）Linux下鼠标和键盘的模拟控制

交互系统的构建之（三）TTS语音合成的加盟

交互系统的构建之（四）手掌与拳头检测加盟TLD

基于meanshift的手势跟踪与电脑鼠标控制（手势交互系统）

十一、嵌入式系统

ubuntu12.04安装与配置

OpenAL跨平台音效API的安装与移植

Yaffs2根文件系统制作

TTS技术简单介绍和Ekho（余音）TTS的安装与编程

Android学习笔记之（一）开发环境搭建

 

十二、编程相关

Python基础学习笔记之（一）

Python基础学习笔记之（二）

Matlab与C++混合编程（依赖OpenCV）

十三、一些行业调研

OmniVision的CMOS 图像传感器技术发展路线

SONY的CMOS 图像传感器技术发展路线

SAMSUNG的CMOS 图像传感器技术发展路线

CMOS图像传感器应用实例及其发展趋势分析

 

十四、杂乱

zigzag模式提取矩阵元素