- 博客(17)
- 资源 (32)
- 收藏
- 关注
RSS订阅原创 matlab实现图像预处理的很多方法
RGB = imread('sy.jpg'); % 读入图像imshow(RGB), % 显示原始图像GRAY = rgb2gray(RGB); % 图像灰度转换imshow(GRAY),
2016-05-27 19:25:43
17406
4
原创 将mat格式中加标签的数据分为：训练集、验证集、测试集
%%将一部分MontData 放入到OhmData里面clear all;close all;clc;load Mont_data;kk1=randperm(size(train,1),2000);kk2=randperm(size(train,1),4000);kk3=randperm(size(train,1),5000);TempMontData1=train(kk1);Tem
2016-05-25 16:33:05
8038
原创 matlab处理多个文件夹中的image，保存为mat格式。
train = cell(11400, 1);label = cell(11400, 1);dis1 = dir(['E:\Adesk\Cpp-Primer\PCANet\PCANet\datas\train\' '.']);nms1 = {dis1.name};i=0;for m = 1:length(nms1) nm1 = ['E:\Adesk\Cpp-Primer\PCAN
2016-05-25 16:29:40
5099
转载 ROC曲线的绘制
几个概念场景AdaBoost的基本分类器的线性组合f(x)=∑m=1MαmGm(x)最终的分类器G(x)=sign(f(x))=sign(∑m=1MαmGm(x))这里已知 {f(xi)|i=1,2,⋯,N}和{labeli|i=1,2,⋯,N}，前者是每个样本xi对应的基本分类器的输出的加权组合，后者是对
2016-05-25 09:48:46
7146
2
转载 windows+caffe+vs2013+cuda6.5配置记录
隔了大半年，因为论文的需要，又重新开始研究caffe。感谢niuzhiheng’s GitHub大神的贡献，caffe已经可以在Windows下使用了。参考了很多大神的博客，成功的在自己的笔记本配置好了Windows版本的caffe。现将自己的配置过程和配置中遇到的问题记录下来，希望能对大家有所帮助。1.配置环境我在自己的笔记本配置的caffe，配置的环境为：Windows 7 64位
2016-05-22 18:53:45
1191
转载 DeepID人脸识别算法之三代
DeepID人脸识别算法之三代DeepID，目前最强人脸识别算法，已经三代。如今，深度学习方兴未艾，大数据风起云涌，各个领域都在处于使用深度学习进行强突破的阶段，人脸识别也不例外，香港中文大学的团队使用卷积神经网络学习特征，将之用于人脸识别的子领域人脸验证方面，取得了不错的效果。虽然是今年7月份才出的成果，但连发三箭，皆中靶心，使用的卷积神经网络已经改进了三次，破竹之势
2016-05-21 20:00:26
1207
转载 SPP for Visual Recognition
本文的两个亮点：1. 多尺度训练CNN。2. 将图像分割后的特征转换为最小计算量，大大加速了detection的速度。关于第一点：我们知道，卷积保留了图像的spatial信息，同时卷积层其实是不受输入图像大小的限制的，之所以在训练CNN时，需要固定图像尺寸，主要是由于全连接层的输入需要固定维度的。但是，如果在进全连接层之前的一层，我们把无论多大的图都转换到相同维度，这样前面其实是不限制
2016-05-21 17:22:32
638
转载 池化方法总结（Pooling）
在卷积神经网络中，我们经常会碰到池化操作，而池化层往往在卷积层后面，通过池化来降低卷积层输出的特征向量，同时改善结果（不易出现过拟合）。为什么可以通过降低维度呢？因为图像具有一种“静态性”的属性，这也就意味着在一个图像区域有用的特征极有可能在另一个区域同样适用。因此，为了描述大的图像，一个很自然的想法就是对不同位置的特征进行聚合统计，例如，人们可以计算图像一个区域上的某个特定特征的
2016-05-18 10:19:48
7972
转载 Faster R-CNN
摘要目前最先进的目标检测网络需要先用区域建议算法推测目标位置，像SPPnet[7]和Fast R-CNN[5]这些网络已经减少了检测网络的运行时间，这时计算区域建议就成了瓶颈问题。本文中，我们介绍一种区域建议网络（Region Proposal Network, RPN），它和检测网络共享全图的卷积特征，使得区域建议几乎不花时间。RPN是一个全卷积网络，在每个位置同时预测目标边界和obje
2016-05-17 21:23:52
2300
转载 论文笔记 《Fast R-CNN》
R-CNN的进化版，0.3s一张图片，VOC07有70的mAP，可谓又快又强。而且rbg的代码一般写得很好看，应该会是个很值得学习的项目。动机为何有了R-CNN和SPP-Net之后还要提出Fast RCNN（简称FRCN）？因为前者有三个缺点训练的时候，pipeline是隔离的，先提proposal，然后CNN提取特征，之后用SVM分类器，最后再做bbox regres
2016-05-17 21:21:36
884
转载 R-CNN、Fast-R-CNN和Faster-R-CNN
R-CNN：针对区域提取做CNN的object detction。<img src="https://pic1.zhimg.com/36bb2ec6663657eff23edcef578fe3b0_b.jpg" data-rawwidth="629" data-rawheight="220" class="or
2016-05-16 22:54:26
5720
2
转载 SIFT特征提取分析
SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配，获得了良好效果，详细解析如下：算法描述SIFT特征不只具有尺度不变性，即使改变旋转角度
2016-05-16 08:23:17
594
转载 在 MFC 框架中,有什么方法能直接将 OpenCV 2.0 库中 Mat 格式的图片传递到 Picture Control(图片控件)显示？
也可以把OpenCV的窗口添加到PictureControl里面，这样你可以继续使用OpenCV的setMouseCallback直接对PictureControl进行鼠标操作。首先在你的OnInit函数中添加如下namedWindow("view", WINDOW_AUTOSIZE);HWND hWnd = (HWND) cvGetWindowHandle("view");H
2016-05-11 12:44:42
1635
转载 机器学习知识点学习
在学习机器学习的有关知识时，搜索到JerryLead的cnblog中的Machine Learning专栏，里面对于机器学习的部分算法和知识点讲解地很经典和透彻。所以Mark在这，多多学习！http://www.cnblogs.com/jerrylead/tag/Machine%20Learning/ 偏最小二乘法回归（Partial Least Squares Reg
2016-05-09 16:10:23
572
原创 sparse Coding的C++代码——详细注释版
#include "stdafx.h"#include #include #include #include #include #include #include #include "sparse_coding.h"#include "retr_data_base.h"using namespace cv;// 归一化的操作。void normalizing(floa
2016-05-03 20:33:24
2145
3
转载 神经网络训练中的Tricks之高效BP（反向传播算法）
Tricks！这是一个让人听了充满神秘和好奇的词。对于我们这些所谓的尝试应用机器学习技术解决某些问题的人，更是如此。曾记得，我们绞尽脑汁，搓手顿足，大喊“为什么我跑的模型不work？”，“为什么我实现的效果那么差？”，“为什么我复现的结果没有他论文里面说的那么好？”。有人会和你说“你不懂调参！里面有很多Tricks的！”，“可能作者没有完全描述实现过程的Tricks，你发邮件去问问原作者！”我的天
2016-05-02 09:08:22
1183
Face Recognition(face_recognition) Using Hadoop Streaming API
2017-10-08
caffe深度学习薛开宇笔记实例-基于卷积神经网络的声音识别
2016-12-27
Deep Learning textbook
2016-12-09
训练xml文件时，产生info.txt文件
2016-11-01
斯坦福大学机器学习课程个人笔记完整版
2016-04-19
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人