- 博客(7)
- 资源 (4)
- 问答 (1)
- 收藏
- 关注
RSS订阅翻译 带你玩-Object Tracking using OpenCV （二）
目标跟踪算法在本节中，我们将挖掘一些不同的跟踪算法。我们的目标不是对每一个跟踪器有深刻的理论理解，而是从实践的角度来理解它们。让我们首先先解释一下跟踪的一些基本原理。在跟踪中，我们的目标是在当前帧中找到一个对象，此对象已经在所有（或几乎所有）先前帧中成功被跟踪到了。由于我们已经跟踪对象直到当前帧，我们知道它是如何移动的。 换句话说，我们知道运动模型的参数。 运动模型指你知道的对象在之前
2017-02-25 18:33:30
3097
1
翻译 带你玩-Object Tracking using OpenCV （一）
今天周六，我要做一个上进的妈妈，所以学习了这篇深度好文，开始翻译~~~先把英文原版放出来，英文好的可以自行阅读 http://www.learnopencv.com/object-tracking-using-opencv-cpp-python/?winzoom=1在本教程中，给大家介绍基于opencv3.0的目标跟踪的API， 我们将学习如何以及何时使用OpenCV 3.
2017-02-25 17:48:34
11912
3
原创 ensemble learning(集成学习)笔记
ensemble learning概念通过构建并结合多个学习分类器来完成学习任务.通常认为将多个分类器结合的学习,比单一分类器的学习要准确的多.要想得到好的集成分类器,一个是基分类器要有一定的准确性,至少不能随机扔硬币猜正反还离谱;其次要有多样性,也就是分类器间有差异性存在,这样才能保证泛化能力不至于太差.ensemble learning的分类依据基分类器的生成方式,
2017-02-22 17:51:09
1560
原创 继续喷TLD
视频目标跟踪来说，常用的方法有两种:一是使用根据物体在上一帧的位置预测它在下一帧的位置,即基于运动估计的视频跟踪,常见的有kalman滤波跟踪,UKF以及一次改进的一些列算法;还有基于特征点匹配的跟踪,通过特征点的匹配来预测下一帧目标的位置,最典型的就是光流法.这些个跟踪算法会积累误差，缺乏记忆功能,一旦物体在图像中消失，跟踪就会永久失效，即使物体再出现也无法完成追踪；另一种方法是使用检测
2017-02-21 15:19:51
1279
1
转载 深度学习为何要“deep”下
深层学习开启了人工智能的新时代。不论任何行业都害怕错过这一时代浪潮，因而大批资金和人才争相涌入。但深层学习却以“黑箱”而闻名，不仅调参难，训练难，“新型”网络结构的论文又如雨后春笋般地涌现，使得对所有结构的掌握变成了不现实。我们缺少一个对深层学习合理的认识。神经网络并不缺少新结构，但缺少一个该领域的E=mc2很多人在做神经网络的实验时会发现调节某些方式和结构会产生意想不到的结果。但
2017-02-09 17:41:25
2446
转载 深层学习为何要“Deep”（上）
2016年11月22日更新：深层神经网络为什么要deep（下）增加结合Tensorflow playground的5种空间操作和物质组成视角的理解。深层学习开启了人工智能的新时代。不论任何行业都害怕错过这一时代浪潮，因而大批资金和人才争相涌入。但深层学习却以“黑箱”而闻名，不仅调参难，训练难，“新型”网络结构的论文又如雨后春笋般地涌现，使得对所有结构的掌握变成了不现实。我们缺少一个对深
2017-02-09 17:37:26
467
原创 机器学习笔记-多分类学习，类别不平衡，决策树
读书笔记多分类学习基本思想：拆解法；将多分类任务拆解为若干个二分类任务求解，先对这些问题经拆分，为拆分出的每个二分类任务训练一个分类器，测试时，对这些分类器的预测结果进行集成以获得最终的多分类结果，拆分策略：one vs one，一对一，将N个类别两两配对，产生，即N（N-1）/2个分类结果，最终结果通过投票产生，投票是把被预测的最多的类别作为最终分类结果。 One
2017-02-06 11:12:07
12094
Qt里的QMediaPlayer类播放视频所用的解码器
2014-11-20
TA创建的收藏夹 TA关注的收藏夹
TA关注的人