随笔分类 - 机器视觉
摘要：http://blog.csdn.net/abcjennifer/article/details/8164315本文从统计学角度讲解了CART（Classification And Regression Tree）, Bagging(bootstrap aggregation), Random Fo...
阅读全文
摘要：http://www.cvrobot.net/joint-cascade-face-detection-and-alignment/人脸检测（detection）在opencv中早就有直接能拿来用的haar分类器，基于Viola-Jones算法。但是毕竟是老掉牙的技术，Precision/Recal...
阅读全文
摘要：来源：http://www.cnblogs.com/justany/archive/2012/12/06/2804211.html一种场景特征描述场景特征描述？通常的特征描述符都是对图片的局部特征进行描述的，以这种思路进行场景描述是不可行的。比如：对于“大街上有一些行人”这个场景，我们必须通过局部特...
阅读全文
摘要：http://m.blog.csdn.net/blog/wu010555688/24487301本文整理了网上几位大牛的博客，详细地讲解了CNN的基础结构与核心思想，欢迎交流。[1]Deep learning简介[2]Deep Learning训练过程[3]Deep Learning模型之：CNN卷...
阅读全文
摘要：转自：http://dataunion.org/11692.html作者：张雨石自今年七月份以来，一直在实验室负责卷积神经网络（Convolutional Neural Network，CNN），期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解...
阅读全文
摘要：http://blog.csdn.net/viewcode/article/details/8794401回归问题的条件/前提：1） 收集的数据2） 假设的模型，即一个函数，这个函数里含有未知的参数，通过学习，可以估计出参数。然后利用这个模型去预测/分类新的数据。1. 线性回归假设 特征 和 结果 ...
阅读全文
摘要：转自：http://blog.csdn.net/dongtingzhizi/article/details/16884215Linear Regression总结作者：洞庭之子微博：洞庭之子-Bing（2013年11月）关于linear regression，Andrew Ng老师的课程中介绍了两种...
阅读全文
摘要：转自：http://blog.csdn.net/dongtingzhizi/article/details/15962797Logistic回归总结作者：洞庭之子微博：洞庭之子-Bing（2013年11月）PDF下载地址：http://download.csdn.net/detail/lewsn20...
阅读全文
摘要：SVM是机器学习里面最强大最好用的工具之一，它试图在特征空间里寻找一个超平面，以最小的错分率把正负样本分开。它的强大之处还在于，当样本在原特征空间中线性不可分，即找不到一个足够好的超平面时，可以利用核（kernel）函数，将特征映射到希尔伯特（Hilbert）空间。后者一般维度更高，通过这样的映射之...
阅读全文
摘要：转自http://blog.csdn.net/chenyusiyuan/article/details/8706177这里给大家介绍一种在头文件中自动判断识别OpenCV的版本号，并据此添加对应的依赖库（.lib文件）的方法。具体代码如下：#ifndef _PREDEP_H_#define _PRE...
阅读全文
摘要：转自：http://blog.csdn.net/weixingstudio/article/details/7631241Haar特征与积分图1. Adaboost方法的引入1.1 Boosting方法的提出和发展 在了解Adaboost方法之前，先了解一下Boosting方法。 回答一个是与否的问...
阅读全文
摘要：转自：http://www.cnblogs.com/ello/archive/2012/04/28/2475419.html一、Haar分类器的前世今生 人脸检测属于计算机视觉的范畴，早期人们的主要研究方向是人脸识别，即根据人脸来识别人物的身份，后来在复杂背景下的人脸检测需求越来越大，人脸检测也逐渐...
阅读全文
摘要：识别算法概述：SIFT/SURF基于灰度图，一、首先建立图像金字塔，形成三维的图像空间，通过Hessian矩阵获取每一层的局部极大值，然后进行在极值点周围26个点进行NMS，从而得到 粗略的特征点，再使用二次插值法得到精确特征点所在的层（尺度），即完成了尺度不变。二、在特征点选取一个与尺度相应的邻域...
阅读全文