07 2017 档案

【Paper Reading】Bayesian Face Sketch Synthesis
摘要：Contribution: 1) Systematic interpretation to existing face sketch synthesis methods. 2) Bayesian face sketch synthesis: apply the spatial neighboring 阅读全文
posted @ 2017-07-31 18:35 VincentCheng 阅读(255) 评论(0) 推荐(0)
【数据挖掘】相似性和相异性度量
摘要：一、基础概念 1. 相似度(similarity): 两个对象相似程度的数值度量，通常相似度是非负的，在[0,1]之间取值 相异度(disimilarity): 两个对象差异程度的数值度量，通常也是非负的，在[0,1]之间取值，0到$\infty$也很常见 我们使用邻近度(proximity)表示相 阅读全文
posted @ 2017-07-31 16:37 VincentCheng 阅读(2389) 评论(0) 推荐(0)
【C++】函数和指针
摘要：最近在看C++ primer plus，感觉函数与指针这一章难点比较多，记写笔记，加强理解. From C++ Primer Plus: Chapter 7 Function:C++ Programming Modules 1. 如何声明函数指针？ 和函数原型类似: 需要声明指针指向函数的返回值和参 阅读全文
posted @ 2017-07-28 21:26 VincentCheng 阅读(488) 评论(0) 推荐(0)
【Paper Reading】Object Recognition from Scale-Invariant Features
摘要：Paper: Object Recognition from Scale-Invariant Features Sorce: http://www.cs.ubc.ca/~lowe/papers/iccv99.pdf SIFT 即Scale Invariant Feature Transfrom, 尺 阅读全文
posted @ 2017-07-26 21:17 VincentCheng 阅读(366) 评论(0) 推荐(0)
【Paper Reading】Improved Textured Networks: Maximizing quality and diversity in Feed-Forward Stylization and Texture Synthesis
摘要：Improved Textured Networks: Maximizing quality and diversity in Feed-Forward Stylization and Texture Synthesis https://arxiv.org/abs/1701.02096v1 本文最主 阅读全文
posted @ 2017-07-26 21:16 VincentCheng 阅读(915) 评论(0) 推荐(0)
【数据挖掘】特征选择和降维
摘要：一、概念 特征选择feature selection：也被称为variable selection或者attribute selection. 是选取已有属性的子集subset来进行建模的一种方式. 进行特征选择的目的主要有: 简化模型，缩短训练时间，避免维数灾难(curse of dimensio 阅读全文
posted @ 2017-07-23 10:23 VincentCheng 阅读(7040) 评论(0) 推荐(0)
【Computer Vision】角点检测和匹配——Harris算子
摘要：一、基本概念 角点corner：可以将角点看做两个边缘的交叉处，在两个方向上都有较大的变化。具体可由下图中分辨出来： 兴趣点interest point：兴趣点是图像中能够较鲁棒的检测出来的点，它不仅仅局限于角点. 也可以是灰度图像极大值或者极小值点等 二、Harris角点检测 Harris 算子是 阅读全文
posted @ 2017-07-11 17:21 VincentCheng 阅读(4765) 评论(0) 推荐(0)
【Python】包管理工具pip
摘要：一、pip的安装 1. 将"D:\Python27\" 和 "D:\Python27\Scripts"设置到环境变量当中 2. 安装setup tools 将 https://bootstrap.pypa.io/ez_setup.py保存到安装路径 运行：python ez_setup.py 3. 阅读全文
posted @ 2017-07-06 21:12 VincentCheng 阅读(251) 评论(0) 推荐(0)
【PRML学习笔记】第四章：分类的线性模型
摘要：一、基础概念 线性分类模型：决策面(decision boundary)是输入向量的线性函数 目标类别的表示"1 of K" :$ t = (0,1,0,0,0)^T$ 二、分类问题的三种方式 1. 判别函数(discriminant function): 找到函数$f(x)$将输入$x$映射为类别 阅读全文
posted @ 2017-07-05 10:46 VincentCheng 阅读(909) 评论(0) 推荐(0)