课后的个人总结
文章平均质量分 81
xiaoqkunle
这个作者很懒,什么都没留下…
展开
-
视觉与目标跟踪第一课——梯度下降法求已知函数的局部最优解
梯度下降法是一种优化算法,以负梯度方向为搜索方向,用于求解无约束优化问题。算法流程图如下: 求已知函数的局部最优解,该函数的网格图如下: 分别寻找初始坐标点(0,0),(-1,-1),(-2,-1),原创 2017-11-13 19:56:12 · 1238 阅读 · 0 评论 -
课程小结——灰度直方图、Haar-like、HOG、LBP和PCA
总结了灰度直方图、Haar-like、HOG、LBP、PCA的特征提取算法原创 2017-11-29 22:00:02 · 3547 阅读 · 0 评论 -
线性回归、岭回归、逻辑回归、信息量与熵、多类的分类问题softmax、链式法则与BP神经网络
线性回归 线性回归是我们比较熟悉的一类回归模型。已知自变量x和因变量y,利用这些值我们可以建立两者之间的线性关系。通常采用最小二乘法来求解。推导过程如下图:岭回归 当线性回归模型中存在多个相关变量时,它们的系数确定性变差并呈现高方差。比如说,在一个变量上的一个很大的正系数可能被在其相关变量上的类似大小的负系数抵消,岭回归就是通过在系数上施加约束来原创 2017-12-08 17:30:42 · 1049 阅读 · 0 评论 -
KNN最近邻分类算法 + cs231n assignment1
K最近邻(k-Nearest Neighbor,KNN)分类算法1、KNN的基本思路是:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别。2、用处:KNN算法不仅可以用于分类,还可以用于回归。通过找出一个样本的k个最近邻居,将这些邻居的属性的平均值赋给该样本,就可以得到该样本的属性。更有用的方法是将不同距离的邻居对该样原创 2017-12-04 15:47:02 · 1638 阅读 · 1 评论 -
人脸检测与人脸识别
本篇文章主要介绍了如何使用OpenCV实现人脸检测,训练自己的分类器并进行视频和照片的人脸识别。本文不具体讲解人脸检测和识别的原理,直接使用OpenCV实现。软件版本 OpenCV版本:2.4.13.4;VS开发版本:VS2015。目标分割、检测、识别和跟踪的概念参考链接 http://blog原创 2017-12-14 22:00:43 · 1605 阅读 · 0 评论 -
课程小结——距离度量方法
介绍了几种距离度量的定义原创 2017-12-06 21:26:29 · 590 阅读 · 2 评论 -
课程小结——SIFT特征提取
尺度不变特征变换匹配算法(Scale Invariant Feature Transform , SIFT),SIFT算法是用来提取图像局部特征的经典算法,SIFT算法的实质是在不同的尺度空间上查找关键点(特征点),并计算出关键点的方向。SIFT所查找到的关键点是一些十分突出,不会因光照,仿射变换和噪音等因素而变化的点,如角点、边缘点、暗区的亮点及亮区的暗点等。优点1. SIFT特征是原创 2017-12-07 19:32:44 · 1612 阅读 · 0 评论 -
课程小结——SURF特征提取
Surf(Speeded Up Robust Features)改进了特征的提取和描述方式,用一种更为高效的方式完成特征的提取和描述。背景 计算机视觉中,引入尺度不变的特征,主要思想是每个检测到的特征点都伴随着对应的尺度因子。然而经常会遇到图像尺度不同的问题,不同图像中特征点的距离也会不同,如果通过修正特征点的大小就会造成强度不匹配。为了解决这个问题,提出了尺度不原创 2017-12-07 20:33:02 · 1587 阅读 · 0 评论 -
课程小结之目标跟踪
此篇文章是我根据多篇博客内容总结出的一些内容,参考博客如下:1. 基于MeanShift的目标跟踪算法及实现 http://blog.csdn.net/jinshengtao/article/details/302588332. KCF目标跟踪算法Matlab代码运行指南 http://blog.csdn.net/sinat_27318881/article/details/5287337原创 2017-12-30 13:03:38 · 2107 阅读 · 0 评论