lkzy625-CSDN博客

转载深度学习相关

转自：http://www.sigvc.org/bbs/thread-2187-1-3.html目录：一、概述二、背景三、人脑视觉机理四、关于特征4.1、特征表示的粒度4.2、初级（浅层）特征表示4.3、结构性特征表示4.4、需要有多少个特征？五、Deep Learning的基本思想六、浅层学习（Shall

2015-08-06 20:31:27 757

转载 SVM原理

转自：http://apinetree.blog.51cto.com/ 　支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中[10]。　支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据

2015-07-23 21:27:24 883

原创第13章数据结构基础

1、请讲述heap与stack的差别答：经常需要操作的内存可分为：（1）栈区（stack）：由编译器自动分配和释放，存放函数的参数值、局部变量值等，其操作类似于数据结构中的栈；（2）堆区（heap）：一般由程序员分配和释放，若程序员不释放，程序结束时可能由操作系统回收。与数据结构中的堆是两回事，分配方式类似于链表；（3）全局区/静态区（static）：用于全局变量和静态变量的存储，初

2015-07-16 11:35:00 545

原创第10章面向对象

1、面向对象设计的三个基本原则：封装、继承、多态 2、C++的空类默认产生哪些成员函数？默认构造函数、析构函数、默认拷贝构造函数、赋值函数 3、C++中的struct和class的唯一不同点：sruct里的默认访问控制是public，class里的默认访问控制是private 4、使用静态成员变量在一个类的所有实例间共享数据，则每次创建一个类的对象时都要对静态数据成员进行一次初始化操作（静

2015-07-03 22:01:58 529

转载 SVM入门（七）为何需要核函数

生存？还是毁灭？——哈姆雷特可分？还是不可分？——支持向量机之前一直在讨论的线性分类器,器如其名（汗，这是什么说法啊），只能对线性可分的样本做处理。如果提供的样本线性不可分，结果很简单，线性分类器的求解程序会无限循环，永远也解不出来。这必然使得它的适用范围大大缩小，而它的很多优点我们实在不原意放弃，怎么办呢？是否有某种方法，让线性不可分的数据变得线性可分呢？有！其思想说来也

2015-04-20 20:41:37 393

转载 SVM入门（六）线性分类器的求解——问题的转化，直观角度

让我再一次比较完整的重复一下我们要解决的问题：我们有属于两个类别的样本点（并不限定这些点在二维空间中）若干，如图，圆形的样本点定为正样本（连带着，我们可以把正样本所属的类叫做正类），方形的点定为负例。我们想求得这样一个线性函数（在n维空间中的线性函数）：g(x)=wx+b使得所有属于正类的点x+代入以后有g(x+)≥1，而所有属于负类的点x-代入后有g(x-)≤-1

2015-04-20 16:16:32 395

转载 SVM入门（五）线性分类器的求解——问题的描述Part2

从最一般的定义上说，一个求最小值的问题就是一个优化问题（也叫寻优问题，更文绉绉的叫法是规划——Programming），它同样由两部分组成，目标函数和约束条件，可以用下面的式子表示：（式1）约束条件用函数c来表示，就是constrain的意思啦。你可以看出一共有p+q个约束条件，其中p个是不等式约束，q个等式约束。关于这个式子可以这样来理解：式中的x是自变量，但不限定它的维

2015-04-20 15:53:36 440

转载 SVM入门（四）线性分类器的求解——问题的描述Part1

上节说到我们有了一个线性分类函数，也有了判断解优劣的标准——即有了优化的目标，这个目标就是最大化几何间隔，但是看过一些关于SVM的论文的人一定记得什么优化的目标是要最小化||w||这样的说法，这是怎么回事呢？回头再看看我们对间隔和几何间隔的定义：间隔：δ=y(wx+b)=|g(x)|几何间隔：可以看出δ=||w||δ几何。注意到几何间隔与||w||是成反比的，因此

2015-04-20 15:36:54 399

转载 SVM入门（一）至（三）Refresh

（一）SVM的八股简介支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中[10]。支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度，Ac

2015-04-20 11:11:01 396

转载 blog.csdn.net/carson2005

经常碰到朋友问我国内从事计算机视觉（CV）领域的公司的发展情况，产品情况，甚至找工作等问题，这里，我给出自己收集的国内从事CV相关领域的公司网址及其主要产品，有兴趣的朋友可以去看看。另外，资料整理的不是很完善，后续我会继续更新和添加，并及时在我博客进行更新（blog.csdn.net/carson2005）。（1）北京北方猎波科技有限公司：http://www.northwh.com

2014-12-21 11:42:08 4926

转载由单目标跟踪实现多目标跟踪的思想框架

1．算法目的：运动目标跟踪算法的目的就是对视频中的图象序列进行分析，计算出目标在每帧图象上的位置。这里要根据区域分割过程给出的目标质心位置，计算出目标位移，并且根据质心位置的变化判断出目标的运动方向，以及运动目标是否在观察窗口，实现对客流量的统计。因为该跟踪是对多目标的追踪，需要找出运动目标在相邻帧上的对应区域。系统具有固有噪声，目标周围背景的干扰可能会产生误差，但这些噪声在前面

2014-08-19 17:14:27 6785 6

转载 TLD初始化流程

TLD(Tracking Learning Detector)，包括tracking、modeling、detection，其中tracking工作时基于Lucas-Kanade光流法的。modeling学习的过程可以正负反馈，得到较好的学习结果，对于他的学习过程，作者在另一篇文章中又详细介绍了P-N learning这种学习算法。detection的部分用的是多个分类器的级联。对于特征的选择

2014-08-08 10:26:38 1323

转载计算机视觉代码合集

TopicResourcesReferencesCategory-Independent Object Proposal· Objectness measure [1] [Code]· Parametric min-cut [2] [Project]· Objec

2014-07-23 16:55:50 1793

转载 opencv2 像素的基本操作

http://www.cnblogs.com/zjgtan/archive/2013/04/06/3002962.html本文主要参考了和。首先讨论了几个基本的结构：cv::Mat，cv::Mat_；随后讨论了遍历图像的两种方式：Pointer和Iterators，以及速度优化的注意点。1 cv::Mat cv::Mat是一个n维矩阵类，声明在中。cl

2014-06-14 22:04:06 890

一直都觉得粒子滤波是个挺牛的东西，每次试图看文献都被复杂的数学符号搞得看不下去。一个偶然的机会发现了Rob Hess(http://web.engr.oregonstate.edu/~hess/)实现的这个粒子滤波。从代码入手，一下子就明白了粒子滤波的原理。根据维基百科上对粒子滤波的介绍(http://en.wikipedia.org/wiki/Particle_filter)，粒子滤波其实有很多

2014-05-30 11:06:44 918

转载 opencv中Mat与IplImage,CVMat类型之间转换

opencv中对图像的处理是最基本的操作，一般的图像类型为IplImage类型，但是当我们对图像进行处理的时候，多数都是对像素矩阵进行处理，所以这三个类型之间的转换会对我们的工作带来便利Mat类型较CvMat和IplImage有更强的矩阵运算能力，支持常见的矩阵运算（参照Matlab中的各种矩阵运算），所以将IplImage类型和CvMat类型转换为Mat类型更易于数据处理。opencv中

2014-05-28 15:35:46 912

转载基于图片库的行人检测

原文：http://shijuanfeng.blogbus.com/logs/100675201.html

2014-05-26 10:05:43 1271

转载视觉跟踪综述

目标跟踪是绝大多数视觉系统中不可或缺的环节。在二维视频跟踪算法中，基于目标颜色信息或基于目标运动信息等方法是常用的跟踪方法。从以往的研究中我们发现，大多数普通摄像头（彩色摄像头）下非基于背景建模的跟踪算法都极易受光照条件的影响。这是因为颜色变化在某种程度上是光学的色彩变化造成的。如基于体素和图像像素守恒假设的光流算法它也是假设一个物体的颜色在前后两帧没有巨大而明显的变化。但在特定的场景应用

2014-05-12 11:10:39 735

转载 100句记住7000单词

Q: 1. Typical of the grassland dwellers of the continent is the American antelope, or pronghorn. A: 1.美洲羚羊，或称叉角羚，是该大陆典型的草原动物。 Q: 2. Of the millions who saw Haley’s comet in 1986, how many people

2014-05-12 10:34:55 758

转载动态背景下的运动目标检测

各种目标检测方法介绍（懒人可以直接略过）　　目标检测是一个老话题了，在很多算法当中都有它的身影。目标检测要做的就两件事：检测当前图片中有没有目标？如果有的话，在哪？按照先验知识和背景运动来划分的话，目标检测方法大概可以分为两大类：　　第一，已知目标的先验知识。在这种情况下检测目标有两类方法，第一类方法是用目标的先验知识训练一堆弱分类器，然后这些弱分类器一起投票来检测目标，如boos

2014-05-06 19:26:14 13115 4

转载 OPENCV直方图计算原理及反向投影检测原理

首先介绍一下直方图一.用带权重的样本统计直方图直方图Histogram，是一种常见的概率分布的非参数（区别于高斯分布，泊松分布等用参数表达概率密度的方法）表达方法。直方图可以看成概率密度分布的离散化表达方法。它的计算很简单，是一种投票的方法，就是每个样本往对应的小盒子(bin)里投一票。假设N个样本数据x量化为1～M之间的整数，那么Hist是M维数组，对应的直方图计算方法如下：

2014-05-05 20:55:05 867

转载 C++内存管理

C++内存管理[导语]内存管理是C++最令人切齿痛恨的问题，也是C++最有争议的问题，C++高手从中获得了更好的性能，更大的自由，C++菜鸟的收获则是一遍一遍的检查代码和对C++的痛恨，但内存管理在C++中无处不在，内存泄漏几乎在每个C++程序中都会发生，因此要想成为C++高手，内存管理一关是必须要过的，除非放弃C++，转到Java或者.NET，他们的内存管理基本是自动的，当然你也放弃

2014-05-04 16:52:41 555

转载利用Hog特征和SVM分类器进行行人检测

之前介绍过Hog特征(http://blog.csdn.net/carson2005/article/details/7782726)，也介绍过SVM分类器（http://blog.csdn.net/carson2005/article/details/6453502 ）；而本文的目的在于介绍利用Hog特征和SVM分类器来进行行人检测。在2005年CVPR上，来自法国的研究

2014-04-25 22:06:16 711

转载骨架提取——Khalid Sheed的K3M算法

图像的骨架似乎没有严格的数学定义，可认为是图像细化（Thinning）的产物（中轴可以看作一种骨架，其有严格的数学定义）。目前已经有许多细化算法，这些算法得到的骨架可能略有差异。本文实现了Khalid Sheed 的 K3M算法。该算法属于迭代腐蚀边界的一类算法，该类算法的思想是，假定从二值图像中物体的边界处同时开始燃烧，物体就会被逐步细化，但在燃烧过程中要保证满足一定条件的点被保留或者被“烧掉”

2014-04-19 21:49:27 4830

u011669502的专栏