摘要：
与 Selective Search 初次见面是在著名的物体检测论文 「Rich feature hierarchies for accurate object detection and semantic segmentation」，因此，这篇论文算是阅读 R CNN 的准备。 这篇论文的标题虽然 阅读全文
摘要：
Bag of Feature 是一种图像特征提取方法，它借鉴了文本分类的思路（Bag of Words），从图像抽象出很多具有代表性的「关键词」，形成一个字典，再统计每张图片中出现的「关键词」数量，得到图片的特征向量。 Bag of Words 模型 要了解「Bag of Feature」，首先要知 阅读全文
摘要：
TensorFlow 更新频率实在太快，从 1.0 版本正式发布后，很多 API 接口就发生了改变。今天用 TF 训练了一个 CNN 模型，结果在保存模型的时候居然遇到各种问题。Google 搜出来的答案也是莫衷一是，有些回答对 1.0 版本的已经不适用了。后来实在没办法，就翻了墙去官网看了下，结果 阅读全文
摘要：
最近想做一个识别验证码的程序。目标其实很简单，就是识别出某网站验证码的字母和数字。 这种类型的验证码已经被做烂了，相应的破解程序也很多。但我只是想学习消遣一下。 我已经通过爬虫收集了某网站的大量验证码图片，并通过图像处理的方法把字母和数字分割出来（好在这类验证码比较简单，切割工作相对容易）。之后，便 阅读全文
摘要：
今天发现一个用 numpy 随机化数组的技巧。 需求 我有两个数组（ ndarray ）：train_datasets 和 train_labels。其中，train_datasets 的每一行和 train_labels 是一一对应的。现在我要将数组打乱并用于训练，打乱后要求两者的行与行之间必须保 阅读全文
摘要：
关于决策树，想必大部分人都已经耳熟能详了，这是一种用来预测行为的树状分叉结构。本文主要想总结一下最常用的决策树生成算法： "ID3" ， "C4.5" 以及 "CART" 。 构造的原则 熟悉决策树的你一定记得，决策树每个非叶子结点对应的其实是一个属性。比方说，想判断一个男生是不是 gay，我们首先 阅读全文
摘要：
Bagging 和 Boosting 都属于机器学习中的元算法（meta algorithms）。所谓元算法，简单来讲，就是将几个较弱的机器学习算法综合起来，构成一个更强的机器学习模型。这种「三个臭皮匠，赛过诸葛亮」的做法，可以帮助减小方差（over fitting）和偏差（under fittin 阅读全文
摘要：
相比 2D 中的旋转变换，3D 中的旋转变换复杂了很多。关于 2D 空间的旋转，可以看 "这篇文章" 。本文主要粗略地探讨一下 3D 空间中的旋转。 旋转的要素 所谓旋转要素就是说，我们只有知道了这些条件，才知道怎么旋转一个物体。回忆 2D 空间中的旋转，我们需要确定旋转中心、旋转角以及旋转方向才能 阅读全文
摘要：
最近频繁在论文中看到「PCA」的影子，所以今天决定好好把「PCA」的原理和算法过程弄清楚。 「PCA」是什么 PCA，又称主成分分析，英文全称**「Principal Components Analysis」**。维基百科上的解释是：「PCA」是一种分析、简化数据集的技术，经常用于减少数据集的维数， 阅读全文
摘要：
概念 协方差（Covariance）在概率论和统计学中用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。 这个解释摘自维基百科，看起来很是抽象，不好理解。其实简单来讲，协方差就是衡量两个变量相关性的变量。当协方差为正时，两个变量呈正相关关系（同增同减）；当协方差为负 阅读全文