2017年09月_晟沚

原创 GMM Kmeans代码示例

GMM代码#! /usr/bin/env python#coding=utf-8from numpy import *import pylabimport random,mathdef loadDataSet(fileName): #general function to parse tab -delimited floats dataMat = []

2017-09-24 22:43:25 3888

GMM Gaussian Mixture Model 高斯混合模型每个GMM由K个Gaussian分布组成，每个Gaussian称为一个“Component”，这些Component 线性加成在一起就组成了GMM 的概率密度函数：根据上面的式子，如果我们要从 GMM 的分布中随机地取一个点的话，实际上可以分为两步：首先随机地在这 K个Gaussian Component 之中选一个，每个 Comp

2017-09-24 22:37:57 3122

原创 On the Effectiveness of Visible Watermarks论文解读

通常水印的处理当从单个图像自动去除水印是非常具有挑战性的视觉水印通常包含复杂的结构，例如细线和阴影，使它们更难以去除水印通常以一致的方式添加到许多图像中。这种一致性可以被利用来自动推断水印图案并且以高精度获得原始的，无水印的内容。 ICA 独立成分分析使用独立分量分析（ICA）来分离源图像与水印。这些技术在单个图像上操作，需要用户手动标记水印区域，并且不能处理大的水印区域（图4（b））。

2017-09-19 10:59:19 4246 2

原创 EM算法详解

首先我们需要了解下最大似然估计，并且调查男女身高的例子将一直使用最大似然估计量假设我们需要调查我们学校的男生和女生的身高分布。你怎么做啊？你说那么多人不可能一个一个去问吧，肯定是抽样了。假设你在校园里随便地活捉了100个男生和100个女生。他们共200个人（也就是200个身高的样本数据，为了方便表示，下面，我说“人”的意思就是对应的身高）都在教室里面了。那下一步怎么办啊？你开始喊：“男的左边，女的右

2017-09-17 23:20:12 811 1

原创 PCA python代码实现

#coding:utf-8from numpy import *import matplotlibimport matplotlib.pyplot as pltdef loadDataSet(fileName, delim='\t'): fr = open(fileName) stringArr = [line.strip().split(delim) for line in

2017-09-04 13:18:21 3229 1

原创 PCA详解

PCA主成分分析因为最人脸表情识别，提取的gabor特征太多了，所以需要用PCA进行对提取的特征进行降维。PCA算法这篇估计是讲原理最好的一篇了http://blog.codinglabs.org/articles/pca-tutorial.html总结一下PCA的算法步骤：设有m条n维数据。 1）将原始数据按列组成n行m列矩阵X 2）将X的每一行（代表一个属性字段）进行零

2017-09-04 13:14:59 563

原创 PCA详解

PCA主成分分析因为最人脸表情识别，提取的gabor特征太多了，所以需要用PCA进行对提取的特征进行降维。PCA算法这篇估计是讲原理最好的一篇了http://blog.codinglabs.org/articles/pca-tutorial.html总结一下PCA的算法步骤：设有m条n维数据。 1）将原始数据按列组成n行m列矩阵X 2）将X的每一行（代表一个属性字段）进行零

2017-09-04 13:14:26 721

原创经典模型简介

Lenet下图是广为流传LeNet的网络结构，麻雀虽小，但五脏俱全，卷积层、pooling层、全连接层，这些都是现代CNN网络的基本组件。可以看下caffe中lenet的配置文件（点我），可以试着理解每一层的大小，和各种参数。由两个卷积层，两个池化层，以及两个全连接层组成。卷积都是5*5的模板，stride=1，池化都是MAX。上图是一个类似的结构，可以帮助理解层次结构（和caffe不完全一致，不

2017-09-03 22:13:52 633

原创 gabor滤波器python代码实现

# coding:utf-8import cv2import numpy as npimport pylab as plfrom PIL import Image#构建Gabor滤波器def build_filters(): filters = [] ksize = [7,9,11,13,15,17] #gabor尺度 6个 lamda = np.pi/2.0 #

2017-09-01 22:06:46 10861 11

原创 gabor特征 gabor滤波器

gabor特征Gabor 特征是一种可以用来描述图像纹理信息的特征，Gabor 滤波器的频率和方向与人类的视觉系统类似，特别适合于纹理表示与判别。Gabor 特征主要依靠 Gabor 核在频率域上对信号进行加窗，从而能描述信号的局部频率信息。Gabor 核靠傅里叶变换，我们才能将信号转换到频率域，才能让Gabor核在频率域去加窗。而在原本的空间域中，一个 Gabor 核实际上就是一个高斯核与正弦波调

2017-09-01 22:03:00 3436 1

DOS的博客

原创 GMM Kmeans代码示例

原创 GMM 和 K-means

原创 On the Effectiveness of Visible Watermarks论文解读

原创 EM算法详解

原创 PCA python代码实现

原创 PCA详解

原创 PCA详解

原创经典模型简介

原创 gabor滤波器python代码实现

原创 gabor特征 gabor滤波器

ICA-python实现代码

空空如也