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