08 2015 档案
摘要：从今天开始，准备入DL的大坑，希望自己能坚持下来。 网上有不少介绍： 深度学习的历 史：http://www.goldencui.org/2014/12/02/%E7%AE%80%E6%98%8E%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%96%...
阅读全文
摘要：关于这个算法，已经有网友写出笔记。 这位网友用画图的方式总结出了算法的各个流程，并总结了源码中的各个类：http://blog.csdn.net/roamer_nuptgczx/article/details/47953357#plain 这篇博文分析了聚类算法：http://blog.csdn.n
阅读全文
摘要：转自：http://www.cnblogs.com/qlee/archive/2011/05/16/2048026.html vector 的reserve增加了vector的capacity，但是它的size没有改变！而resize改变了vector的capacity同时也增加了它的size！原因
阅读全文
摘要：单目标(表观模型)：1.Seunghoon Hong,BohyungHan.Orderless Trackingthrough Model-Averaged Density Estimation. （Offline tracking?和一般的object tracking还是不一样的。 CVPR12...
阅读全文
摘要：2015年的一篇论文，可参考：http://blog.csdn.net/carrierlxksuper/article/details/46461245。 另参考：http://www.skyoung.org/kcf-tracking-method/ 其中提到了redge regression（岭回
阅读全文
摘要：参考：http://blog.csdn.net/yang_xian521/article/details/7533922
阅读全文
摘要：参考：http://blog.csdn.net/wuyanyi/article/details/8003946 http://www.cnblogs.com/boqun1991/p/4063575.html
阅读全文
摘要：昨天刚开学，现在已经正式研二了，想想时间过得可真快啊，一眨眼的功夫。暑假没回家，一直留在这，但什么东西都没做出来，实在惭愧啊。仔细想想，自从读研以来，我就没做出过什么东西，感觉自己挺努力的，但实际上呢？以后在这个博客里，我想不仅写和技术有关的东西，还想写一写自己近来对自己的反思和感悟，写下自己...
阅读全文
摘要：参考：http://www.cnblogs.com/vamei/archive/2013/01/30/2879700.html http://blog.csdn.net/ywjun0919/article/details/8692018
阅读全文
摘要：参考：http://www.cnblogs.com/ronny/p/4083537.html ORB特征包括FAST特征检测和BRIEF特征描述符，这篇博客介绍的浅显易懂：http://blog.csdn.net/yang843061497/article/details/3855...
阅读全文
摘要：一个好的特征描述子，要有好的区分性、尺度和旋转不变性以及鲁棒性（光照等）。SIFT可能说是最经典的 特征描述方法了，其主要分成下面四步： （1）尺度空间选择：在尺度空间中选择潜在的满足尺度不变和旋转不变的关键点； 关于尺度空间，先对图像做高斯金字塔（包括高斯模糊和降维），再做拉普拉斯金字塔（需要做内
阅读全文
摘要：可参考：http://www.cnblogs.com/ronny/p/4009425.html http://www.cnblogs.com/ztfei/archive/2012/05/07/2487123.html http://blog.csdn.net/crzy_sparrow/...
阅读全文
摘要：参考：http://blog.csdn.net/abcd1992719g/article/details/27071273 http://www.cnblogs.com/ronny/p/3895883.html#3036526 这两位博主都实现了这个算法，里面有很多细节，还是...
阅读全文
摘要：看到一篇博文，主要讲的是图像金字塔：http://www.cnblogs.com/ronny/p/3886013.html 最后博主关于尺度的选择很有启发性，当我们不知道物体的尺度有多大时，可以先定义一个模板，再与金字塔的每层图像进行匹配。#include "opencv2/core/core.h...
阅读全文
摘要：参考：http://www.cnblogs.com/ronny/p/4045979.html，博主对源码进行了分析，不过很多没看明白。 分为几个部分。积分图：借助积分图像，图像与高斯二阶微分模板的滤波转化为对积分图像的加减运算。在哈尔特征中也用到这个。 DoH近似：将...
阅读全文
摘要：很多ML模型用的都是数值特征，那么对于分类特征，该怎么做呢？ 以linear network为例：先对特征进行转换，转换成有意义的特征后，再对其进行线性组合 进一步，模型可表示为：使Ein最小，我们就能知道如何转换特征，如何组合线性模型。 以给电影打分为例，我们实际上要做的，就是...
阅读全文
摘要：将Radial Basis Function与Network相结合。实际上衡量两个点的相似性：距离越近，值越大。 将神经元换为与距离有关的函数，就是RBF Network： 可以用kernel和RBF来衡量相似性： 那么...
阅读全文
摘要：参考：https://codesachin.wordpress.com/2015/08/05/on-the-biasvariance-tradeoff-in-machine-learning/ 之前一直没搞明白什么是bias，什么是variance，现在看看这篇博文。 当你的模型太简单...
阅读全文
摘要：深度学习面临的问题和现在解决的办法： 简要来说，分两步使用DL：初始化时一层一层的选择权重，而后再进行训练： 那么怎么做pre-training，即怎么选择权重呢？好的权重能够不改变原有资料的信息，即编码过后信息够解码过后仍能保持 ...
阅读全文
摘要：由perceptron线性组成的一个神经网络： 通过赋予g不同的权值，来实现不同的切分功能： 但有的切分只通过一次特征转换是不够的，需要多次转换，如下：Neural Network Hypothesis：为了便于优化，将sign（离散）变成tanh，这个函数相当于regression的拉伸与...
阅读全文
摘要：将Adaboost和decision tree相结合，需要注意的地主是，训练时adaboost需要改变资料的权重，如何将有权重的资 料和decision tree相结合呢？方法很类似于前面讲过的bagging，通过采样资料来使资料获得不同的权重。 一棵完全的树的权值...
阅读全文
摘要：这位博主总结的实在太好了，从原理到论文到代码，连论文都不用看：论文：http://blog.csdn.net/zouxy09/article/details/8118360 代码部分：http://blog.csdn.net/zouxy09/article/details/82101...
阅读全文
摘要：随机森林就是要将这我们之前学的两个算法进行结合：bagging能减少variance（通过g们投票），而decision tree的variance很大，资料不同，生成的树也不同。 为了得到不同的g，除了用bootstrap用不同的资料得到不同的g外，还可以采用随即选择特征的方式...
阅读全文
摘要：参考：http://www.cnblogs.com/GuoJiaSheng/p/4480497.html http://www.cnblogs.com/tornadomeet/archive/2012/04/12/2443993.html
阅读全文
