12 2013 档案

使用SGD(Stochastic Gradient Descent)进行大规模机器学习
摘要：原贴地址：http://fuliang.iteye.com/blog/1482002 其它参考资料：http://en.wikipedia.org/wiki/Stochastic_gradient_descent 1. 基于梯度下降的学习 对于一个简单的机器学习算法，每一个样本包含了一个(x,y)对，其中一个输入x和一个数值输出y。我们考虑损失函数,它描述了预测值和实际值... 阅读全文

posted @ 2013-12-22 12:19 迈克老狼2012 阅读(2867) 评论(0) 推荐(0) 编辑

OpenCV 脸部跟踪(2)
摘要：前面一篇文章中提到，我们在一副脸部图像上选取76个特征点，以及这些特征点的连通性信息来描述脸部形状特征，本文中我们会把这些特征点映射到一个标准形状模型。 通常，脸部形状特征点能够参数化分解为两个变量，一个是全局的刚体变化，一个是局部的变形。全局的刚体变化主要是指脸部能够在图像中移动，旋转，缩放，局部的变形则是指脸部的表情变化，不同人脸的特征等等。 下面我们通过tr... 阅读全文

posted @ 2013-12-14 11:35 迈克老狼2012 阅读(2714) 评论(0) 推荐(1) 编辑

OpenCV 脸部跟踪(1)
摘要：本文中的知识来自于Mastering opencv with practical computer vision project一书。 本文实施的脸部跟踪算法都是基于数据驱动的，主要包括两个部分，训练和测试。训练就是通过脸部标记点的采样数据，训练得到一个标准的脸部模型，而测试部分就是把检测到的脸部和标准脸部模型比较，求得眼睛，鼻子等脸部特征。具体来讲，脸部跟踪分为三个部分：sh... 阅读全文

posted @ 2013-12-11 21:43 迈克老狼2012 阅读(5328) 评论(1) 推荐(3) 编辑

opencv2.4中SVD分解的几种调用方法
摘要：原帖地址： http://blog.sina.com.cn/s/blog_6109b5d00101ag7a.html 在摄影测量和计算机视觉中，考虑最优解问题时，经常要用到SVD分解。奇异值分解 (singular value decomposition,SVD) 是一种可靠地正交矩阵分解法，但它比QR分解法要花上近十倍的计算时间。在matlab中，[U,S,V]=svd(A)... 阅读全文

posted @ 2013-12-02 21:57 迈克老狼2012 阅读(10027) 评论(0) 推荐(0) 编辑

导航

< 2025年3月 >
日 一 二 三 四 五 六
23 24 25 26 27 28 1
2 3 4 5 6 7 8
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28 29
30 31 1 2 3 4 5
点击右上角即可分享
微信分享提示