Image Processing
文章平均质量分 92
及时澍雨Timely
Freedom. Friends. Features. First.
展开
-
【机器学习】梯度下降法的相关介绍
简介我们考虑一个代价函数CC,这个函数可以将一个参数向量θ\theta映射到一个标量C(θ)C(\theta)上,现在,我们要最小化C(θ)C(\theta)。在机器学习中,这个代价函数通常是损失函数的平均值或者期望值: C(θ)=1n∑i=1nL(fθ,zi)C(\theta) = \frac{1}{n} \sum_{i=1}^{n} L(f_{\theta},z_i)(这个数值被称为训练原创 2015-11-10 08:31:50 · 778 阅读 · 0 评论 -
特征提取之SIFT(尺度不变性特征变换)
SIFT(Scale-invariant feature transform,尺度不变性特征变换)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:算法描述整个算法分为以下几个部分:1.构建尺度空间尺度空间理论目的是模拟原创 2016-04-13 12:46:01 · 8434 阅读 · 0 评论 -
使用Logistic回归对MNIST手写字符进行分类识别
简介在这节我们使用Theano用于最基本的分类器:逻辑回归(Logistic Regression)。 全部的代码可以在我的CSDN下载中免费下载:http://download.csdn.net/detail/ws_20100/9222263。 下面我们从模型开始。模型逻辑回归是一个概率,线性分类器。它的参数包含一个权值矩阵WW和一个偏置向量bb。分类器将输入向量映射到一原创 2015-10-29 16:26:38 · 3686 阅读 · 0 评论 -
【深度学习】深度学习中监督优化入门(A Primer on Supervised Optimization for Deep Learning)
简介这个教程涵盖了深度学习(Deep Learning)的一些重要概念,是一个快速入门的大纲教程,包含了三个部分:第一部分-数据集:介绍了MNIST数据集和使用方法;第二部分-标记法:介绍了主要概念的符号标记方法;第三部分-监督优化入门:介绍了一些深度学习的重要概念;1.数据集1.MNIST数据集这个数据集(mnist.pkl.gz)可以在CSDN下载中免费下载:http://downloa原创 2015-11-02 14:38:05 · 1422 阅读 · 0 评论 -
【机器学习】机器学习界大牛林达华推荐的书籍
Here is a list of books which I have read and feel it is worth recommending to friends who are interested in computer science.转载 2015-10-04 11:09:03 · 1201 阅读 · 0 评论 -
二维图像的DCT变换
二维DCT变换就是将二维图像从空间域转换到频率域。形象的说,就是计算出图像由哪些二维余弦波构成,计算出的结果为c(u ,v), 其中u为二维波的水平方向频率,v为二维波的垂直方向频率; 最终会计算出很多的c(u,v) ; 每一个c称为一个DCT系数,代表的是频率为(u,v)的二维波的振幅(或者能量),所有这些二维波的叠加就是那个原始的图片。转载 2015-10-13 18:37:21 · 17266 阅读 · 0 评论 -
极限学习机(Extreme Learning Machine)概述
摘要当今研究领域的一项事实就是,前向神经网络(feed-forward neural networks)的训练速度比人们所期望的速度要慢很多。并且,在过去的几十年中,前向神经网络在应用领域存在着很大的瓶颈。导致这一现状的两个关键因素就是: 神经网络的训练,大多使用基于梯度的算法,而这种算法的训练速度有限; 使用这种训练算法,在迭代时,网络的所有参数都要进行更新调整。 而在200原创 2015-11-01 12:28:40 · 18874 阅读 · 1 评论 -
神经网络的反向传播BP算法
简介神经网络中经典的感知器模型,请参考我写的这篇博客[ http://blog.csdn.net/ws_20100/article/details/48929383]本篇博客是在感知器模型之后,讨论由1986年由Rumelhart和McCelland提出的反向传播学习算法。---------------------------------------------------------原创 2015-10-08 22:45:43 · 13061 阅读 · 0 评论 -
局部二值模式(Local Binary Patterns)进行纹理分类
简介对于二维的纹理分析,具有很多潜在的应用。例如,工业表层检查,远程监控,生物制药图像分析等等领域。但是在实际应用时,会存在很多问题。主要的问题在于现实世界中的纹理并不像实验中的那么规整,存在着很多变化,例如:由于非均匀光源导致的光照变化;实际的情况下,物体方向是随机的;空间尺度不一致。而且,很多纹理分类的方法计算复杂度过高,难以实用化。为了解决这些问题,可以采用改进型的局原创 2015-10-05 14:40:21 · 8289 阅读 · 4 评论 -
【深度学习】卷积神经网络(Convolutional Neural Networks)
动机 - (Motivation)卷积神经网络(CNN)是多层前向网络(MLPs)的一种变体,而MLP是受生物学的启发发展而来的。从Hubel和Wiesel对猫的视觉皮层(visual contex)所做的早期工作,我们可以看出视觉皮层中的神经元(cells)分布十分复杂。每个神经元仅对视觉域(visual field)的某个局部区域较为敏感,这个区域叫做感受野(receptive field翻译 2015-09-23 10:49:09 · 8500 阅读 · 1 评论 -
神经网络(Neural Network)概述
1.神经网络概况1943年,心理学家W.Mcculloch和数理逻辑学家W. Pitts根据生物神经元功能和结构,提出M-P神经元模型。1957年,Rosenblatt提出感知机MLP模型。Rosenblatt, Frank.x. Principles ofNeurodynamics:Perceptrons and the Theory of Brain Mec原创 2015-10-06 08:43:22 · 8322 阅读 · 0 评论 -
Hough变换之直线检测
1.Hough Transform 的算法思想 在直角坐标系和极坐标系中,点、线是对偶关系。即直角坐标系中的点是极坐标系中的线,直角坐标系中的线是极坐标系中的点。反之也成立。如下图所示,想要检测图像中的直线,可以转化为检测极坐标系中的点(θ,r)(\theta,r)。2.Hough空间的表示如下图所示,图像中直线的表示,由斜率和截距表示,而极坐标中用(θ,r)(\theta,r)表示,并且存在原创 2016-04-15 13:42:22 · 19142 阅读 · 3 评论