lioncv的专栏

原创 DeCAF: A Deep Convolutional Activation Featurefor Generic Visual Recognition阅读报告（2）

4、实验本文采用的深度卷积神经网络的原型是（Krizhevsky et al 2012）。利用这个网络训练得到多种特征，然后在多个视觉任务上进行测试。本节讨论的”向前路径“计算法在ILSVRC-2010取得了很好的效果。问题是：利用CNN提取的特征是否可以应用到其他数据集上？CNN的性能是如何随着网络的深度变化的？本文定性和定量的说明了这两个问题，通过可视化语义簇，实验对比和“基准”方法的

原创 DeCAF: A Deep Convolutional Activation Featurefor Generic Visual Recognition阅读报告（1）

1、问题描述利用深度神经网络进行特征的提取和分类取得了很好的效果。在很多视觉会议的竞赛上，CNN（卷积神经网络）的方法效果都不错。一些“基准”的数据集例如：Caltech-101（Fei-Fei et al., 2004），办公室内区域数据集（Saenko et al., 2010）Caltech-UCSD鸟类纹理识别数据集（Wnlinder et al., 2010）以及SUN-397场

原创 ubuntu14.04安装不识别显示器

问题描述安装window7+ubuntu14.04双系统。安装完ubuntu后，屏幕分辨率设置：allsetting->displays->resolutions里，只有1024x768（4:3）和800x600（4:3）两种分辨率。我的dell显示器支持最大分辨率是1920x1080（16：9）。nvidia gtx745显卡。allsetting->displays里识别不出显示器，提

原创 Linux环境下的ffmpeg的配置

问题描述ffmpeg是开源的处理视频的库，非常强大。在Linux下很好编译。实验室的一些项目需要这个库，所以就记录下编译的过程。步骤：1、下载ffmpeg的包。http://ffmpeg.org/download.html#build-linux，假设其文件名是ffmpeg-0.11.5.tar.bz2。2、安装一些依赖项sudo apt-get install yas

原创 Linux环境下的opencv的配置和测试程序

问题描述：近期做实验，需要在Ubuntu配置好opencv的环境。以前都是在win下开发的，这次主要记录下成功配置的步骤以及测试成功的代码。步骤：1、下载opencv的linux版本的安装包。解压到某一个位置。2、安装一些必要的依赖。sudo apt-get install libgtk2.0-dev pkg-config一些教程上也列举了其他依赖项。但是我只安装了上述

原创 Linux通过命令行添加代理服务器，解决apt-get不能上网的问题

问题描述：实验室的集群上装有ubuntu系统，并且配置了一个代理服务器可供上网。在Windows环境下，利用chromn浏览器的switchsharp插件可以方便的切换代理上网。但是如果通过secureCRT登陆得到集群上的Ubuntu系统，只能通过命令行的方式设置代理。解决方法：添加或者修改/etc/apt/apt.conf文件。方法如下：sudo vi /etc/apt/a

原创 c++ 从字符串中提取int型或者double型数字

问题描述：字符串中包含数字和其他非数字的字符如字母，分隔符等。现在需要提取字符串的中的数字到数字中。本代码仅仅可以提取整型数字。代码：#include#include#includeusing namespace std;void extractFiguresFromStr2Vec(string str, vector &vec);void main(){ stri

原创 仿射函数

概念：仿射函数是由1阶多项式构成的函数，形式为:A是矩阵，大小是：x是向量，维度是k，b也是向量，维度是k。那么放射函数f(x)就反映了k维到m维的空间映射关系。

原创 凹函数和凸函数，Concave Function和Convex Function

概念此概念参考《高等数学》同济大学版。凸函数（Convex Function）凹函数（Concave Function）对于凸函数：对于凹函数：

原创 范数、L1范数和L2范数的基本概念

概念范数是具有“长度”概念的函数。在向量空间内，为所有的向量的赋予非零的增长度或者大小。不同的范数，所求的向量的长度或者大小是不同的。举个例子，2维空间中，向量(3,4)的长度是5，那么5就是这个向量的一个范数的值，更确切的说，是欧式范数或者L2范数的值。对于p-范数，如果那么向量x的p-范数就是所以，L1范数：L2范数：参考文献

原创 VS2010运行opencv的程序，出现“应用程序无法正常启动0xc000007b”的解决方法

问题描述我用vs2013+opencv跑实验，可以正常生成可执行文件，但是运行的时候就出现“应用程序无法正常启动0xc000007b”，如下图：原因是缺少direct X的相关组件。即使安装过最新版本的direct X，还是会报错。解决方法参考网址：方法和解决方案：http://blog.csdn.net/vbcom/article/details/6070705专

原创 C++的cout语句格式控制输出

简介在c语言的prinf()中，可以格式的控制输出。但是c++中的cout应该怎么格式的控制输出呢？setw(n)，控制预设宽度。    setw()只对其后面紧跟的输出产生作用。若输入的内容超过setw()设置的长度，则按实际长度输出。默认右对齐。setfill(char c)，就是在预设宽度中如果已存在没用完的宽度大小，则用设置的字符c填充。left和right，更改对齐方式。

原创 c++遍历文件夹里面的所有文件（1）

简介下面的代码可以遍历文件夹里的所有文件。缺点是不能查找指定后缀的文件。如果文件夹的深度只有1层，是可以查找指定后缀的文件的。否则，一旦文件夹里嵌套文件夹，就不可以指定后缀了。这也是这个代码的局限#include #include #include #include using namespace std;/******************************

原创 matlab的rand()函数产生均匀分布函数的正确用法

简介rand(m,n)会产生mxn大小的矩阵，矩阵的每个元素符合0~1的均匀分布。rand(n)会产生一个维度是n的列向量，每个元素符合0~1的均匀分布。rand()函数会返回一个0~1之间的随机数。问题产生我用matlab把大量图片要随机均匀放到10个文件夹。采用的方法是对于每个图片，进行一次rand()函数的调用，判断随机数第一个小数位，然后放入不同的路径。最后竟然发现有的

原创 Action Bank A High-Level Representation of Activity in Video实验

1介绍这是一个动作识别的paper，本文主要介绍实验环境怎么配置，以及如何运行作者的代码。代码使用python写的，用起来不难，但因为是第一次接触python，遇到了一些问题，就记录下来。作者是把场景分类的object bank方法应用到video。分类准确率高，而且作者给出的代码可以直接运算出一个video片段的特征，然后直接就可以训练分类器。2实验环境步骤KTH数据集的

转载 矩阵运算1

§1 矩阵及其运算教学要求 ： 理解矩阵的定义、掌握矩阵的基本律、掌握几类特殊矩阵（比如零矩阵，单位矩阵，对称矩阵和反对称矩阵 ) 的定义与性质、注意矩阵运算与通常数的运算异同。能熟练正确地进行矩阵的计算。知识要点 ：一、矩阵的基本概念矩阵，是由 个数组成的一个  行 列的矩形表格，通常用大写字母  表示，组成矩阵的每一个数，均称为矩阵的元素，通常用小写字母其元素  表示，其中下标

转载 libsvm参数说明

原文链接：http://blog.csdn.net/changyuanchn/article/details/7540014因为要用svm做regression，所以看了一些关于libsvm，总结以备用libsvm在训练model的时候，有如下参数要设置，当然有默认的参数，但是在具体应用方面效果会大大折扣。Options：可用的选项即表示的涵义如下　　-s svm类

转载 LIBSVM使用介绍

原文：http://blog.sina.com.cn/s/blog_4919c70a0100auun.html 一开始见到Chenjielin教授的这个软件没怎么细究，不知怎么用，就放着研究别的方法了，回头找了点网上的资料，研究了一下终于明白怎么用了。网上资料很详细，只是自己有些地方没有注意，所以一直没有结果，现总结如下：（希望会有帮助）    1.首先从主页上下载libsvm、Pyt

转载 Hinton 深度学习论文总结

原文网址：http://blog.sina.com.cn/s/blog_870a639201019fbl.html【1】A fast learning algorithm for deep belief nets: 2006Hinton关于deep learning的代表作。Papershows how to use “complementary prior” to eliminate t

转载 如何正确理解深度学习（Deep Learning）的概念

原文链接：http://blog.csdn.net/raodotcong/article/details/9003087现在深度学习在机器学习领域是一个很热的概念，不过经过各种媒体的转载播报，这个概念也逐渐变得有些神话的感觉：例如，人们可能认为，深度学习是一种能够模拟出人脑的神经结构的机器学习方式，从而能够让计算机具有人一样的智慧；而这样一种技术在将来无疑是前景无限的。那么深度学习本质上又

原创 ASCII码表完整版

ASCII码表完整版ASCII值控制字符ASCII值控制字符ASCII值控制字符ASCII值控制字符0NUT32(space)64@96、1SOH3

原创 vs2010快捷键大全

代码快捷键 Ctrl+J / Ctrl+K,L: 列出成员Ctrl+Shift+空格键 / Ctrl+K,P: 参数信息Ctrl+K,I: 快速信息 Ctrl+E,C / Ctrl+K,C: 注释选定内容Ctrl+E,U / Ctrl+K,U: 取消选定注释内容 Ctrl+K,M: 生成方法存根Ctrl+K,X: 插入代码段Ctrl+K,S:

原创 opencv的安装和配置总结

初学opencv，VS2010下配置环境就花了1个多小时。看了很多网上的教程，下面总结一下：1、下载opencv2.4.4.exe，有260M左右，安装到D:\software\opencv\opencv2.4.4（个人喜好）。解压后有2.6G左右，可以针对不同的平台。2、配置环境变量。打开：控制面板\系统和安全\系统\高级系统设置\环境变量。直接改变“系统变量”里面的path变量

原创 三角函数公式表

翻译 The Elements of Statistical Learning第一章翻译

统计学习的基础（元素）第二版前言我们对《统计学习的基础》第一版的流行感到非常高兴。统计学研究领域的飞速发展，激励我们推出本书的第二版。我们新增了四个章节，也更新了部分章节。由于许多读者对第一版的布局已经习惯，我们将尽量少地改变布局。下面是第二版改动地方的总结：章节新内容1、简介 2、监督学习的概览

转载 二值图像的膨胀运算及其VC实现

本文主要对二值图像膨胀的定义、原理以及VC下实现方法进行总结，并通过图像处理结果对图像膨胀操作的功能以及使用场合进行讨论。1、定义      参考冈萨雷斯的经典教材，对Z空间中的集合A和B，使用B对A进行膨胀，可定义为：            可以理解膨胀过程为：首先得到膨胀结构元素相对于自身原点（按照本人的理解，对于对称的结构元素，原点为其对称中心，对

转载 二值图像的腐蚀运算及其VC实现

在进行图像预处理与图像边缘检测等过程中，形态学算子是常用的处理方法。本文主要对二值图像腐蚀的定义、原理以及VC下实现方法进行全面总结，并通过图像处理结果对腐蚀操作的功能以及使用场合进行讨论。1、定义的理解      参考冈萨雷斯的经典教材，对Z空间中的集合A和B，使用B对A进行腐蚀，其定义为：      对其可理解为，对形态学结构元素B进行z平移后，如果

转载 灰度图像阈值化分割常见方法总结及VC实现

在图像处理领域，二值图像运算量小，并且能够体现图像的关键特征，因此被广泛使用。将灰度图像变为二值图像的常用方法是选定阈值，然后将待处理图像的每个像素点进行单点处理，即将其灰度值与所设置的门限进行比对，从而得到二值化的黑白图。这样一种方式因为其直观性以及易于实现，已经在图像分割领域处于中心地位。本文主要对最近一段时间作者所学习的阈值化图像分割算法进行总结，全文描述了作者对每种算法的理解，并基于Ope

转载 图像滤波常见方法原理总结及VC下实现

在进行图像目标识别与跟踪时，摄像机所采集的图像，在成像、数字化以及传输过程中，难免会受到各种各样噪声的干扰，图像的质量往往会出现不尽人意的退化，影响了图像的视觉效果。通常这些噪声干扰使得图像退化，表现为图像模糊，特征淹没，这会对图像分析产生不利，使所获得的图像质量较低。对这样的图像直接进行目标的识别与跟踪是比较困难的。抑制使图像退化的各种干扰信号、增强图像中的有用信号，以及将观测到的不同图像在同一

转载 高斯图像滤波原理及其编程离散化实现方法

本文主要根据作者的理解整理而来，有什么错误之处，请大家共同讨论指出。1、图像滤波        在三维计算机视觉领域，通常对于二维图像的特征抽取是很关键的第一步，这主要包括抽取二维图像上的边缘、角点、纹理等。通常从这些被称为基元图的组成部分中，我们可以提取图像的以下特征：        1）不同物体边缘成像所带来的灰度跃变；

转载 Canny边缘检测算法原理及其VC实现详解(二)

3、  Canny算法的实现流程       由于本文主要目的在于学习和实现算法，而对于图像读取、视频获取等内容不进行阐述。因此选用OpenCV算法库作为其他功能的实现途径（关于OpenCV的使用，作者将另文表述）。首先展现本文将要处理的彩色图片。图2 待处理的图像3.1 图像读取和灰度化       编程时采用上文所描述的第二种方法来实

转载 图像灰度化方法总结及其VC实现

最近一段时间作者开始进行运动目标识别定位系统设计，本文以及后续的几篇文章都是从一个图像处理初学者的角度来总结目标检测定位过程中所应用到的各种常见的算法，尤其是解决算法实现过程中由于粗心大意或者C编程基本功不扎实所引起的各种问题。本文主要对彩色图片灰度化的方法及其实现过程进行总结，最终给出实现的C代码。     在进行视频流目标识别与跟踪时，通常第一个步骤就是对采集到的彩色图像进行灰度化，这

转载 Canny边缘检测算法原理及其VC实现详解(一)

图象的边缘是指图象局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图象的边缘部分集中了图象的大部分信息，图象边缘的确定与提取对于整个图象场景的识别与理解是非常重要的，同时也是图象分割所依赖的重要特征，边缘检测主要是图象的灰度变化的度量、检测和定位，自从1959提出边缘检测以来，经过五十多年的发展，已有许多中不

转载 图像中的高频和低频分量

形象一点说：亮度或灰度变化激烈的地方对应高频成分，如边缘，噪音；变化不大的地方对于低频成分，如大片色块区。画个直方图，大块区域是低频，小块或离散的是高频。 把图像看成二维函数，变化剧烈的地方就对应高频，反之低频。举个通俗易懂的例子：一幅图象，你戴上眼镜，盯紧了一个地方看到的是高频分量摘掉眼镜，眯起眼睛，模模糊糊看到的就是低频分量。  图像的高低频是对

转载 图像处理基础之卷积

1.使用模板处理图像相关概念：     模板：矩阵方块，其数学含义是一种种卷积运算。卷积运算：可看作是加权求和的过程，使用到的图像区域中的每个像素分别于卷积核(权矩阵)的每个元素对应相乘，所有乘积之和作为区域中心像素的新值。卷积核：卷积时使用到的权用一个矩阵表示，该矩阵与使用的图像区域大小相同，其行、列都是奇数，是一个权矩阵。卷积示例：3 * 3 的像素区域R与卷积核G的卷积运