机器学习中的范数规则化之（一）L0、L1与L2范数
摘要：
今天我们聊聊机器学习中出现的非常频繁的问题：过拟合与规则化。我们先简单的来理解下常用的L0、L1、L2和核范数规则化。最后聊下规则化项参数的选择问题。这里因为篇幅比较庞大，为了不吓到大家，我将这个五个部分分成两篇博文。知识有限，以下都是我一些浅显的看法，如果理解存在错误，希望大家不吝指正。谢谢。 监 阅读全文
深度学习与计算机视觉系列(1)_基础介绍
摘要：
1.背景 计算机视觉/computer vision是一个火了N年的topic。持续化升温的原因也非常简单：在搜索/影像内容理解/医学应用/地图识别等等领域应用太多，大家都有一个愿景『让计算机能够像人一样去”看”一张图片，甚至”读懂”一张图片』。 有几个比较重要的计算机视觉任务，比如图片的分类,物体 阅读全文
GBDT（MART） 迭代决策树入门教程 | 简介
摘要：
GBDT(Gradient Boosting Decision Tree) 又叫 MART（Multiple Additive Regression Tree)，是一种迭代的决策树算法，该算法由多棵决策树组成，所有树的结论累加起来做最终答案。它在被提出之初就和SVM一起被认为是泛化能力（genera 阅读全文
Caffe + Ubuntu 15.04 + CUDA 7.5 新手安装配置指南
摘要：
Caffe + Ubuntu 15.04 + CUDA 7.5 新手安装配置指南 特： 0. Caffe 官网地址：http://caffe.berkeleyvision.org/ 1. 本文为作者亲自实验完成，但仅限用于学术交流使用，使用本指南造成的任何不良后果由使用者自行承担，与本文作者无关，谢 阅读全文
Stereo Matching文献笔记之（一）：《Cross-Scale Cost Aggregation for Stereo Matching》读后感~
摘要：
最近，在做立体匹配方向相关的研究，先去网上找最新鲜的论文，看到了这篇文献（简称CSCA），来源于CVPR2014，令我惊奇的是，作者竟然提供了详细的源代码，配置运行了一下，效果还真不错，速度也还可以，具有一定的实用价值，所以拿来和大家分享一下。 （转载请注明：http://blog.csdn.net 阅读全文
机器视觉之 ICP算法和RANSAC算法
摘要：
临时研究了下机器视觉两个基本算法的算法原理 ，可能有理解错误的地方，希望发现了告诉我一下 主要是了解思想，就不写具体的计算公式之类的了 （一） ICP算法（Iterative Closest Point迭代最近点） ICP（Iterative Closest Point迭代最近点）算法是一种点集对点 阅读全文
基于语义约束与 Graph Cuts 的稠密三维场景 重建
摘要：
本文提出一种新颖、有效的稠密三维场景重建算法 . 在城市建筑场景的重建中 , 为了快速恢复稠密、准确的深度信息 , 本文算法首先在视图中对建筑区域进行了语义分割以降低非重建区域 ( 如天空、地面等 ) 的干扰 , 在提高整体重建速度的同时也增强了采用平面模型对其进行重建的可靠性 ;然后 , 在通过基 阅读全文
RANSAC算法详解
摘要：
原帖地址：http://grunt1223.iteye.com/blog/961063 另参考：http://www.cnblogs.com/xrwang/archive/2011/03/09/ransac-1.html 给定两个点p1与p2的坐标，确定这两点所构成的直线，要求对于输入的任意点p3， 阅读全文
三维重建技术在无人机方面的应用如何？三维重建未来的学术前景如何？
摘要：
无人机、3D建模（此处代指image based modeling）、用无人机进行3D建模、建出来的模型能怎么应用在无人机身上 阅读全文
尺度空间（Scale space）理论
摘要：
尺度空间方法的基本思想是：在视觉信息处理模型中引入一个被视为尺度的参数，通过连续变化尺度参数获得不同尺度下的视觉处理信息，然后综合这些信息以深入地挖掘图像的本质特征。尺度空间方法将传统的单尺度视觉信息处理技术纳入尺度不断变化的动态分析框架中，因此更容易获得图像的本质特征。尺度空间的生成目的是模拟图像 阅读全文