cv
文章平均质量分 76
刘二毛
不快乐是因为可以像只猪一样懒,却无法像只猪一样懒得心安理得
展开
-
以图搜图的一些知识
转载请注明出处:blog.csdn.net/carson2005 基于内容的图片检索(Content Based Image Retrieval, CBIR),也有人称之为以图搜图,是一个很老的研究领域,它是利用机器学习、模式识别、计算机视觉等相关技术对图片的内容进行分析、检测、检索的一种应用。随着近年来模式识别与机器学习的快速发展,该领域又逐渐火热起来,并涌现出很多实际可用转载 2014-01-02 15:23:28 · 5968 阅读 · 0 评论 -
深度学习笔记二
再发展九十年代末, 神经网络研究遇到的困境,除了慢,还是慢.抛开计算速度的因素,传统神经网络的反向传播算法,捉虫时极为困难,一个根本的问题叫做所谓 vanishing gradient problem (梯度消失问题).这个问题在1991年, 被德国学者 Sepp Hochreiter第一次清晰提出和阐明原因.简单的说, 就是成本函数 (cost function)从输出层反向传播原创 2016-05-11 17:36:47 · 471 阅读 · 0 评论 -
QR分解到PCA,再到人脸识别
来自:http://johnhany.net/2016/05/from-qr-decomposition-to-pca-to-face-recognition/?utm_source=tuicool&utm_medium=referralPCA(Principal Component Analysis,主成分分析)是一种很常用的根据变量协方差对数据进行降维、压缩的方法。它的精髓在于尽量用最转载 2016-05-11 17:50:39 · 2231 阅读 · 0 评论 -
CMT跟踪算法代码分析笔记
代码主要在CMT这个类里面,主要包含initialize和processFrame两个函数实现,跟论文契合的非常好,每一个成员时干啥的,我都注释在旁边了namespace cmt{class CMT{public: CMT() : str_detector("FAST"), str_descriptor("BRISK") {} //默认的特征检测和描述子 vo原创 2016-05-19 18:09:13 · 3279 阅读 · 2 评论 -
2014新跟踪算法KCF笔记
作者的主页:http://home.isr.uc.pt/~henriques/可以下载到文章和代码,文章的名字叫 High-Speed Tracking with Kernelized Correlation Filters.总结来说,这也是一种Tracking By Detection的跟踪方法,跟TLD,OAB同宗,以跟踪对象为正样本,以周围坏境为负样本,训练一个判别分类器.pap原创 2015-12-29 17:07:24 · 37407 阅读 · 15 评论 -
目标跟踪--GOTURN 100fps
先附上论文的链接 点击https://arxiv.org/abs/1604.01802打开链接GOTURN: Generic Object Tracking Using Regression NetworksGOTURN这个方法有如下的特点和优势:Offline Training:利用了大量数据离线训练的优势Generic Object Tracking原创 2017-03-23 16:35:30 · 5210 阅读 · 9 评论 -
CNN学习笔记第一课
![常规的神经网络: 神经网络有一个输入,这个输入通常是一个向量,通过一系列的隐层转换为输出。这里的每个隐层都有一系列的神经元-neurons组成,每个neurons都与前一层所有的neurons相连接,而且这些神经元之间是独立的,并不共享连接。最后一层的全连接层称之为输出层,这个输出层代表了类别的得分。例如在cifar-10中,图像是32*32*3的格式,也就是图像宽高为32,32,3通道;这样原创 2017-05-04 20:38:29 · 693 阅读 · 0 评论 -
撸一撸 ICML2016的CReLU
此方法来源于:ICML2016 Understanding and Improving Convolutional Neural Networks via Concatenated Rectified Linear Units.这篇论文~~实验代码 :https://github.com/albanie/CReLU可以在理解原理的基础上撸一遍。在tenso原创 2017-09-05 15:19:56 · 37370 阅读 · 2 评论 -
神经光流网络——用卷积网络实现光流预测(FlowNet: Learning Optical Flow with Convolutional Networks)
目录目录文章说明光流原理神经光流网络结构介绍1 收缩部分网络结构flownetsimple结构flownetcorr结构2 放大部分网络结构训练数据集1 flying chairs数据集实验与结果分析Flownetsimple与Flownetcorr对比1 文章说明这周学习了一篇文章,文章的名字转载 2018-01-02 10:04:14 · 10265 阅读 · 2 评论 -
讲清楚了反卷积
搞明白了卷积网络中所谓deconv到底是个什么东西后,不写下来怕又忘记,根据参考资料,加上我自己的理解,记录在这篇博客里。先来规范表达为了方便理解,本文出现的举例情况都是2D矩阵卷积,卷积输入和核形状都为正方形,x和y轴方向的padding相同,stride也相同。记号: i,o,k,p,s 分别表示:卷积/反卷积的输入大小 input size,卷积/反卷积输出大小 out转载 2018-01-23 13:53:03 · 3672 阅读 · 0 评论 -
tensorflow--tf.nn.softmax_cross_entropy_with_logits的用法
在计算loss的时候,最常见的一句话就是tf.nn.softmax_cross_entropy_with_logits,那么它到底是怎么做的呢?首先明确一点,loss是代价值,也就是我们要最小化的值tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None)除去name参数用以指定该操作的name,转载 2018-01-25 13:31:45 · 416 阅读 · 0 评论 -
深度学习笔记一
人工智能研究的方向之一, 是以所谓 “专家系统” 为代表的, 用大量 “如果-就” (If – Then) 规则定义的, 自上而下的思路.人工神经网络 ( Artifical Neural Network),标志着另外一种,自下而上的思路.神经网络没有一个严格的正式定义. 它的基本特点, 是试图模仿大脑的神经元之间传递,处理信息的模式.但是远远没有大脑的神经元那么复杂,所以从严格意义上来说原创 2016-05-11 17:19:04 · 972 阅读 · 0 评论 -
CMT跟踪算法笔记
作者网站链接:http://www.gnebehay.com/cmt/算法简介:The main idea behind CMT is to break down the object of interest into tiny parts, known as keypoints.In each frame, we try to again find the keypoints that we原创 2016-04-12 15:59:08 · 1444 阅读 · 0 评论 -
很有用的cv牛人的网址和主要贡献
CV人物1:Jianbo Shi史建波毕业于UC Berkeley,导师是Jitendra Malik。其最有影响力的研究成果:图像分割。其于2000年在PAMI上多人合作发表"Noramlized cuts and image segmentation"。这是图像分割领域内最经典的算法。主页:www.cis.upenn.edu/~jshi/ 和 www.cs.cmu.edu/~jshi/转载 2013-12-24 16:38:22 · 1760 阅读 · 0 评论 -
利用boost库实现快速 rgb to luv转换 也是封装好的,提速的哦
#ifndef FAST_RGB_TO_LUV_HPP#define FAST_RGB_TO_LUV_HPP#include namespace doppia {void fast_rgb_to_luv(const boost::gil::rgb8c_view_t &rgb_view, const boost::gil::dev3n8原创 2014-01-09 15:31:41 · 1406 阅读 · 0 评论 -
抛一个kalman滤波跟踪的封装类 c++版opencv实现
#ifndef KALMAN_H#define KALMAN_H#include #include #include #include class Kalman {public:Kalman();~Kalman() {}//KalmanFilter KF(6, 1, 0);cv::KalmanFilter* m_pkalman;c原创 2014-01-09 14:58:03 · 2870 阅读 · 0 评论 -
opencv c++ 线检测 封装类
///各位拿走的时候请注明博客地址 #ifndef OPENCVLinesDetector_HPP#define OPENCVLinesDetector_HPP#include "AbstractLinesDetector.hpp"namespace doppia {class OpenCvLinesDetector: public AbstractLinesDetector原创 2014-01-09 15:35:34 · 2093 阅读 · 0 评论 -
复杂场景下的多目标跟踪 --心得
多目标跟踪一直都是cv领域一个让人蛋疼的问题。摸索了这么久,有些心得,可能有所欠缺,请多指教有两种方案 你可以用背景建模,先分出前景运动目标,但是这样分出来的目标会存在粘连,对于多人勾肩搭背的走或者前后的车辆行驶来说,简直是噩梦,怎么办哪?有方法!! 对于比较轻度的粘连,可以用用极度腐蚀,膨胀,这种简单的预处理的方法,还有就是药结合摄像头,在3维的空间来分割粘连,你想啊,现实中行驶的车原创 2014-03-24 16:52:26 · 15502 阅读 · 3 评论 -
图像滤镜的一些加速和改进--笔记
滤镜有很多开源代码包,imageshop,tinyimage,还有安卓的源码包,看过安卓的源码包,感觉还有很大的提升空间.http://blog.csdn.net/jingwen3699/article/details/7770287 这个博客有介绍,看看你就知道,至少针对图像遍历像素有很多加速的方法可用.列出我整理出的速度最快的几个,基于opencv/*adjust brightn原创 2016-01-04 14:34:34 · 1104 阅读 · 0 评论 -
2014新跟踪算法KCF笔记 --续(代码部分)
KCF跟踪在opencv3.1中集成了,在opencv_contrib/tracking中有,opencv_contrib这个需要重新编译一下opencv3.1才能get.windows下的编译方法如下网址http://blog.csdn.net/yomo127/article/details/50474955可以在git上直接下载也可,地址如下https://github.com/I原创 2016-01-11 16:27:15 · 28648 阅读 · 5 评论 -
2014新跟踪算法KCF笔记 --续2
TrackerKCF继承与跟踪基类TrackerTracker的两个函数init,update调用的是initImpl和updateImpl,每个子类对应这各自的initImpl和updateImpl实现.在TrackerKCF类的定义在trackerKCF.cpp中有这样一个类TrackerKCFImpl ,继承于TrackerKCF ,KCF的初始化init和更新update在这个类里原创 2016-01-13 15:52:13 · 5524 阅读 · 2 评论 -
机器学习算法一览,应用建议与解决思路
作者:寒小阳时间:2016年1月。 出处:http://blog.csdn.net/han_xiaoyang/article/details/50469334声明:版权所有,转载请联系作者并注明出处很经典啊,我把一些比较重要的加粗了1.引言提起笔来写这篇博客,突然有点愧疚和尴尬。愧疚的是,工作杂事多,加之懒癌严重,导致这个系列一直没有更新,向关注该系列的同学们道转载 2016-01-14 17:25:59 · 7386 阅读 · 0 评论 -
整理的比较好的图像去雾算法
1 首先是何博士2009年在CVPR上的一篇paper转自http://blog.csdn.net/baimafujinji/article/details/27206237?ticket=ST-264104-uEM9GFfaos96lqSCMO4R-passport.csdn.net现在结果已经比较细腻了,但是显然图像有些暗。何博士在论文中也有转载 2016-03-21 17:15:00 · 11766 阅读 · 1 评论 -
Fast guided Filter
这是何凯明博士2015年提出的快速导向滤波,论文链接如下:http://120.52.73.75/arxiv.org/pdf/1505.00996v1.pdf下图是导向滤波的原理图关于具体理论在博客的上一篇中有详细的介绍这里节选出普通算法和快速导向滤波的算法对比图原创 2016-04-06 18:18:54 · 5831 阅读 · 1 评论 -
什么时候神经网络可以接受任意的输入?
首先要搞清楚这个事情的源头,在迁移学习中,要进行模型迁移,一般都会把预训练模型的后面的全连接层去掉,然后用新的数据集训练,得到自己特色的模型。我们知道卷积其实是体征提取的过程,图像再进行卷积的时候,因为每一个卷积核中权值都是共享的,因此无论输入图像的尺寸是多大的都可以都是按照步长滑动做卷积,只不过都是经过卷积运算,不同大小的输入图片提取出的卷积特征的大小也是不同的。所以卷积层很友好,它是不会限原创 2018-02-06 18:00:14 · 808 阅读 · 2 评论