2016年08月_CCV_Edward

转载三种强大的物体识别算法——SIFT/SURF、haar特征、广义hough变换的特性对比分析

原文：http://www.cnblogs.com/nsnow/archive/2011/12/31/2308719.html识别算法概述： SIFT/SURF基于灰度图，一、首先建立图像金字塔，形成三维的图像空间，通过Hessian矩阵获取每一层的局部极大值，然后进行在极值点周围26个点进行NMS，从而得到粗略的特征点，再使用二次插值法得到精确特征点所在的层（尺度），即完成

2016-08-18 10:23:32 589

转载图像局部特征点检测算法综述

转自 http://www.cnblogs.com/ronny/p/4260167.html 研究图像特征检测已经有一段时间了，图像特征检测的方法很多，又加上各种算法的变形，所以难以在短时间内全面的了解，只是对主流的特征检测算法的原理进行了学习。总体来说，图像特征可以包括颜色特征、纹理特等、形状特征以及局部特征点等。其中局部特点具有很好的稳定性，不容易受外界环境的干扰，本篇文章也是对这方面

2016-08-18 10:22:04 4337

转载 Deep Learning模型之：CNN卷积神经网络（二）文字识别系统LeNet-5

原文：http://blog.csdn.net/u010555688/article/details/24848367 在经典的模式识别中，一般是事先提取特征。提取诸多特征后，要对这些特征进行相关性分析，找到最能代表字符的特征，去掉对分类无关和自相关的特征。然而，这些特征的提取太过依赖人的经验和主观意识，提取到的特征的不同对分类性能影响很大，甚至提取的特征的顺序也会影响最后的分类

2016-08-18 10:13:03 1405

转载 Deep Learning模型之：CNN卷积神经网络（一）深度解析CNN

http://m.blog.csdn.net/blog/wu010555688/24487301 本文整理了网上几位大牛的博客，详细地讲解了CNN的基础结构与核心思想，欢迎交流。 [1]Deep learning简介[2]Deep Learning训练过程[3]Deep Learning模型之：CNN卷积神经网络推导和实现[4]Deep Learning模型之：CNN的

2016-08-18 10:11:30 28327

转载 Stanford机器学习---第九讲. 聚类

原文：http://blog.csdn.net/abcjennifer/article/details/7914952 本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持

2016-08-18 10:09:25 288

转载 Stanford机器学习---第八讲. 支持向量机SVM

原文： http://blog.csdn.net/abcjennifer/article/details/7849812 本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines

2016-08-18 10:08:24 285

转载 Stanford机器学习---第七讲. 机器学习系统设计

原文：http://blog.csdn.net/abcjennifer/article/details/7834256 本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持

2016-08-18 10:07:46 203

转载 Stanford机器学习---第六讲. 怎样选择机器学习方法、系统

原文：http://blog.csdn.net/abcjennifer/article/details/7797502本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持向量机

2016-08-18 10:06:53 299

转载 Stanford机器学习---第五讲. 神经网络的学习 Neural Networks learning

原文 http://blog.csdn.net/abcjennifer/article/details/7758797本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持向量机

2016-08-18 10:02:11 476

转载 Stanford机器学习---第二讲. 多变量线性回归 Linear Regression with multiple variable

原文：http://blog.csdn.net/abcjennifer/article/details/7700772 本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持

2016-08-05 14:23:23 318

转载 Stanford机器学习---第三讲. 逻辑回归和过拟合问题的解决 logistic Regression & Regularization

原文：http://blog.csdn.net/abcjennifer/article/details/7716281 本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持

2016-08-05 14:22:43 725

转载 Stanford机器学习---第四讲. 神经网络的表示 Neural Networks representation

原文 http://blog.csdn.net/abcjennifer/article/details/7749309 本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持

2016-08-05 14:21:08 318

CCV_Edward的博客