Andy_Jiao-CSDN博客

转载生成模型与判别模型

生成模型与判别模型分类：计算机视觉图像处理2012-11-17 23:24 4982人阅读评论(6) 收藏举报生成模型与判别模型zouxy09@qq.comhttp://blog.csdn.net/zouxy09 一直在看论文的过程中遇到这个问题，折腾了不少时间，然后是下面的一点理解，不知道正确否。若有错误，还望各位前辈不吝指正，以免小弟一错

2014-06-05 10:02:11 438

原创卷积特征提取—处理大型图像

网址;http://deeplearning.stanford.edu/wiki/index.php/UFLDL教程仿真表明，如果将整幅图像运用imresize函数进行压缩，则训练样本过少。如果采用图像分块的方式，获取了大量的样本，并且确定了网络参数。那接下来如何运用这个参数去提取整幅图像的特征呢？教程中举了一个例子。96*96的图像，假设训练时采用的8*8的patch

2014-03-21 10:40:55 13348

原创信号的稀疏表示

前段时间接触过稀疏表示，没有认真去看，今天总结了一下。不码文字了，直接上图：1、关于字典：理解：记起以前学习的线性代数解方程组，y=Ax。M为方程个数，N为未知数个数（求出的x是字典？），当M>N时，此时无解，即y中的有些量无法表示，对应于欠完备字典；M 这里还有一种说法：注意正交矩阵的性质：A'A=E.

2014-03-21 10:38:13 2799

原创关于matlab连续读入图片的问题

对于有一定命名规律的图片，如何用Matlab连续读入并进行处理呢？filename = ['coast_bea' num2str(i) '.jpg'];上面的可以这样写num2str(i) 表示把数字i转为字符串[]表示把这些字符串拼起来就是你要的文件名了

2014-03-18 09:04:42 1579

转载 matlab的小技巧

Matlab 11个小技巧1、. Ctrl+C 中断正在执行的操作如果程序不小心进入死循环，或者计算时间太长，可以在命令窗口中使用Ctrl+c来中断。MATLAB这时可能正疲于应付，响应会有些滞后。2. figure命令新建一个绘图窗口figure 可以打开一个空的绘图窗口，接下的绘图命令可以将图画在它里面，而不会覆盖以前的绘图窗口。当有多个figure窗口时，在命

2014-03-17 09:28:46 708

原创关于白化

白化的目的是降低数据的冗余性，具体来讲：（1）特征之间相关性较低；（2）所有特征具有相同的方差。当我们进行对图像训练时，由于图像个像素之间具有较高的相关性，此时白化就有很大的作用。

2014-03-14 11:18:53 675

原创 Sparse Autoencoder

网址：http://deeplearning.stanford.edu/wiki/index.php/UFLDL教程代码阅读：matlab基础（1）rempat函数：这是一个处理大矩阵且内容有重复时使用，举例如下：>B=repmat( [1 2;3 4],2,3)B = 1 2 1 2 1 23 4

2014-03-11 10:37:50 587

原创 UFLDL教程—自编码线性解码器学习

做图像分类，将彩色图转化为灰度图，boss说丢失了颜色信息，说让参考color sift的相关思想，我搜资料无意中瞟到自编码线性解码器，它的练习是：运用稀疏自编码器提取颜色信息。那我就看看能不能用这种方法将颜色加进去。最近很急躁，大家都出论文了，急啊。不过，可还得慢慢看。

2014-03-10 20:49:06 620

原创 Sparse Filtering、Sparse Coding学习笔记

本来想用Sparse Autoencoder来提取图像特征，搞了半天只能提取第二层的，参数太多，编程是个大问题，而且理论基础少而薄弱。无聊之下，发现这个网址：http://fastml.com/deep-learning-made-easy/，接触到sparse filtering，大体上觉得需要调节的参数比较少，就找过论文来看，并作笔记如下：

2014-03-06 10:19:25 1968 1

原创 32位+2G+Win7系统，如何解决out of memory问题

最近跑DL的程序，由于数据量很大，用如下方法解决的out of memory问题，打开开始菜单，在搜索栏里面输CMD，Enter找到CMD.exe，以管理员身份运行，在弹出的黑色命令框中输入bcdedit /set increaseuserva 3072，提示成功后重启电脑即可。

2014-03-05 21:34:55 1469

原创 PCA的简单理解

来源：http://deeplearning.stanford.edu/wiki/index.php/主成分分析理解：PCA（Principle Components Analysis ），是一种数据降维方法。首先求出数据的协方差矩阵，然后求得协方差矩阵的特征向量，将特征向量按主次进行排列（此处的主次通过大小来确定，特征向量大者为主，小者为次），将原数据在主特征向量方向进行投影，达到降维的效果

2014-03-04 21:53:21 741

原创图像分类练习

网址：http://www.robots.ox.ac.uk/~vgg/share/practical-image-classification.htm目的：

2014-03-03 10:41:46 774

u013884378的专栏