zouxy09的專欄
本文關(guān)鍵詞：計(jì)算機(jī)視覺(jué)，由筆耕文化傳播整理發(fā)布。
圖像卷積與濾波的一些知識(shí)點(diǎn)
圖像卷積與濾波的一些知識(shí)點(diǎn)zouxy09@qq.com 之前在學(xué)習(xí)CNN的時(shí)候，有對(duì)卷積經(jīng)常一些學(xué)習(xí)和整理，后來(lái)就爛尾了，現(xiàn)在稍微整理下，先放上來(lái)，以提醒和交流。一、線性濾波與卷積的基本概念 線性濾波可以說(shuō)是圖像處理最基本的方法，它可以允許我們對(duì)圖像進(jìn)行處理，產(chǎn)生很多不同的效果。做法很簡(jiǎn)單。首先，我們有一個(gè)二維的濾波器矩...
人臉識(shí)別之特征臉?lè)椒ǎ‥igenface）
人臉識(shí)別之特征臉?lè)椒ǎ‥igenface）zouxy09@qq.com 因?yàn)樾枰艘稽c(diǎn)時(shí)間寫(xiě)了下經(jīng)典的基于特征臉（EigenFace）的人臉識(shí)別方法的Matlab代碼。這里僅把該代碼分享出來(lái)。其實(shí)，在較新版本的OpenCV中已經(jīng)提供了FaceRecognizer這一個(gè)類，里面不僅包含了特征臉EigenFace，還有Fisher...
關(guān)于計(jì)算機(jī)視覺(jué)（隨談）
關(guān)于計(jì)算機(jī)視覺(jué)—隨便聊聊zouxy09@qq.com 之前看了這么一本說(shuō)自然圖像統(tǒng)計(jì)學(xué)的書(shū)，本來(lái)是想著要好好看，然后每天翻譯幾頁(yè)的。但實(shí)習(xí)的時(shí)候太忙了，沒(méi)有什么時(shí)間，所以只把目錄給翻譯了，哈哈。這本書(shū)叫：Natural Image Statistics: A Probabilistic Approach to Early Com...
基于meanshift的手勢(shì)跟蹤與電腦鼠標(biāo)控制（手勢(shì)交互系統(tǒng)）
基于meanshift的手勢(shì)跟蹤與電腦鼠標(biāo)控制zouxy09@qq.com 一年多前開(kāi)始接觸計(jì)算機(jī)視覺(jué)這個(gè)領(lǐng)域的時(shí)候，年幼無(wú)知，倍感吃力。當(dāng)年惶恐，從而盲從。掙扎了不少時(shí)日，感覺(jué)自己好像還是處于領(lǐng)域的門外漢一樣，在理論與實(shí)踐的鴻溝中無(wú)法掙脫，心里空落落的。在這種揮之不去的煩憂中，某個(gè)時(shí)候豁然開(kāi)朗，覺(jué)得要看一個(gè)系統(tǒng)的代碼了，看看別...
基于感知哈希算法的視覺(jué)目標(biāo)跟蹤
基于感知哈希算法的視覺(jué)目標(biāo)跟蹤zouxy09@qq.com 偶然看到這三篇博文[1][2][3]，提到圖片檢索網(wǎng)站TinEye和谷歌的相似圖片搜索引擎的技術(shù)原理。以圖搜圖搜索引擎的使命是：你上傳一張圖片，然后他們盡全力幫你把互聯(lián)網(wǎng)上所有與它相似的圖片搜索出來(lái)。當(dāng)然了，這只是他們認(rèn)為的相似，所以有時(shí)候搜索結(jié)果也不一定對(duì)。事實(shí)上，以...
時(shí)空上下文視覺(jué)跟蹤（STC）算法的解讀與代碼復(fù)現(xiàn)
時(shí)空上下文視覺(jué)跟蹤（STC）算法的解讀與代碼復(fù)現(xiàn)zouxy09@qq.com 本博文主要是關(guān)注一篇視覺(jué)跟蹤的論文。這篇論文是Kaihua Zhang等人今年投稿到一個(gè)會(huì)議的文章，因?yàn)闀?huì)議還沒(méi)有出結(jié)果，所以作者還沒(méi)有發(fā)布他的Matlab源代碼。但為了讓我們先睹為快，作者把論文放在arxiv這個(gè)網(wǎng)站上面供大家下載了。...
最簡(jiǎn)單的目標(biāo)跟蹤（模版匹配）
最簡(jiǎn)單的目標(biāo)跟蹤（模版匹配）zouxy09@qq.com 一、概述 目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要分支。研究的人很多，近幾年也出現(xiàn)了很多很多的算法。大家看看淋漓滿目的paper就知道了。但在這里，我們也聚焦下比較簡(jiǎn)單的算法，看看它的優(yōu)勢(shì)在哪里。畢竟有時(shí)候簡(jiǎn)單就是一種美。 在這里我們一起來(lái)欣賞下“模板匹配”這個(gè)簡(jiǎn)單點(diǎn)...
圖像分割之（六）交叉視覺(jué)皮質(zhì)模型（ICM）
圖像分割之（六）交叉視覺(jué)皮質(zhì)模型（ICM）zouxy09@qq.com 我以前是不知道這個(gè)圖像分割方法的。之前有個(gè)朋友看到我之前圖像分割系列的博文，然后就和我說(shuō)有這么一個(gè)東西。所以當(dāng)時(shí)我就稍微看了下。主要還是參考下面這篇論文的，然后按照論文所說(shuō)的算法自己實(shí)現(xiàn)了一部分的代碼（沒(méi)有實(shí)現(xiàn)熵的那部分）。 牛建偉等，《基于修正...
zigzag模式提取矩陣元素
zigzag模式提取矩陣元素zouxy09@qq.com 這節(jié)博文只是為了上傳個(gè)代碼而已。希望對(duì)需要的人有用。zig-zag模式如下圖所示。它可以用來(lái)按照以下的順序來(lái)提取一個(gè)矩陣的元素。 這個(gè)東西用在哪呢？用在離散余弦變換的系數(shù)提取里面。離散余弦變換（DCT）是種圖像壓縮算法，JPEG-2000好像就是用它來(lái)進(jìn)行圖像...
Deep Learning源代碼收集-持續(xù)更新…
Deep Learning源代碼收集-持續(xù)更新…zouxy09@qq.com 收集了一些Deep Learning的源代碼。主要是Matlab和C++的，當(dāng)然也有python的。放在這里，后續(xù)遇到新的會(huì)持續(xù)更新。下表沒(méi)有的也歡迎大家提供，以便大家使用和交流。謝謝。 最近一次更新：2013-9-22Theano
LibLinear（SVM包）使用說(shuō)明之（三）實(shí)踐
LibLinear（SVM包）使用說(shuō)明之（三）實(shí)踐zouxy09@qq.com 我們?cè)赨FLDL的教程中，Exercise: Convolution and Pooling這一章節(jié)，已經(jīng)得到了cnnPooledFeatures.mat特征。在該練習(xí)中，我們使用的是softmax分類器來(lái)分類的。在這里我們修改為用SVM來(lái)替代...
LibLinear（SVM包）使用說(shuō)明之（二）MATLAB接口
LibLinear（SVM包）使用說(shuō)明之（二）MATLAB接口zouxy09@qq.com 一、介紹 LIBLINEAR是一個(gè)簡(jiǎn)單的求解大規(guī)模規(guī)則化線性分類和回歸的軟件包。本文介紹在Matlab中如何使用該軟件包。(~cjlin/liblinear) 二、安裝 ...
LibLinear（SVM包）使用說(shuō)明之（一）README
LibLinear（SVM包）使用說(shuō)明之（一）READMEzouxy09@qq.com 本文主要是翻譯liblinear-1.93版本的README文件。里面介紹了liblinear的詳細(xì)使用方法。更多信息請(qǐng)參考：~cjlin/liblinear/ 在這里我用到的是LibLinear的M...
機(jī)器學(xué)習(xí)算法中文視頻教程
機(jī)器學(xué)習(xí)算法中文視頻教程zouxy09@qq.com 在網(wǎng)上狂搜ReproducingKernel Hilbert Space的時(shí)候，找到了一個(gè)好東西。這個(gè)是李政軒Cheng-Hsuan Li的關(guān)于機(jī)器學(xué)習(xí)一些算法的中文視頻教程。感覺(jué)講得很好。這里非常感謝他的分享：。也貼到這...
Deep Learning論文筆記之（八）Deep Learning最新綜述
Deep Learning論文筆記之（八）Deep Learning最新綜述zouxy09@qq.com 自己平時(shí)看了一些論文，但老感覺(jué)看完過(guò)后就會(huì)慢慢的淡忘，某一天重新拾起來(lái)的時(shí)候又好像沒(méi)有看過(guò)一樣。所以想習(xí)慣地把一些感覺(jué)有用的論文中的知識(shí)點(diǎn)總結(jié)整理一下，一方面在整理過(guò)程中，自己的理解也會(huì)更深，另一方面也方便未來(lái)自己的勘察。更...
Deep Learning論文筆記之（七）深度網(wǎng)絡(luò)高層特征可視化
Deep Learning論文筆記之（七）深度網(wǎng)絡(luò)高層特征可視化zouxy09@qq.com 自己平時(shí)看了一些論文，但老感覺(jué)看完過(guò)后就會(huì)慢慢的淡忘，某一天重新拾起來(lái)的時(shí)候又好像沒(méi)有看過(guò)一樣。所以想習(xí)慣地把一些感覺(jué)有用的論文中的知識(shí)點(diǎn)總結(jié)整理一下，一方面在整理過(guò)程中，自己的理解也會(huì)更深，另一方面也方便未來(lái)自己的勘察。更好的還可...
Deep Learning論文筆記之（六）Multi-Stage多級(jí)架構(gòu)分析
Deep Learning論文筆記之（六）Multi-Stage多級(jí)架構(gòu)分析zouxy09@qq.com 自己平時(shí)看了一些論文，但老感覺(jué)看完過(guò)后就會(huì)慢慢的淡忘，某一天重新拾起來(lái)的時(shí)候又好像沒(méi)有看過(guò)一樣。所以想習(xí)慣地把一些感覺(jué)有用的論文中的知識(shí)點(diǎn)總結(jié)整理一下，一方面在整理過(guò)程中，自己的理解也會(huì)更深，另一方面也方便未來(lái)自己的勘察...
Deep Learning論文筆記之（四）CNN卷積神經(jīng)網(wǎng)絡(luò)推導(dǎo)和實(shí)現(xiàn)
Deep Learning論文筆記之（四）CNN卷積神經(jīng)網(wǎng)絡(luò)推導(dǎo)和實(shí)現(xiàn)zouxy09@qq.com 自己平時(shí)看了一些論文，但老感覺(jué)看完過(guò)后就會(huì)慢慢的淡忘，某一天重新拾起來(lái)的時(shí)候又好像沒(méi)有看過(guò)一樣。所以想習(xí)慣地把一些感覺(jué)有用的論文中的知識(shí)點(diǎn)總結(jié)整理一下，一方面在整理過(guò)程中，自己的理解也會(huì)更深，另一方面也方便未來(lái)自己的勘察。更好...
Deep Learning論文筆記之（三）單層非監(jiān)督學(xué)習(xí)網(wǎng)絡(luò)分析
Deep Learning論文筆記之（三）單層非監(jiān)督學(xué)習(xí)網(wǎng)絡(luò)分析zouxy09@qq.com 自己平時(shí)看了一些論文，但老感覺(jué)看完過(guò)后就會(huì)慢慢的淡忘，某一天重新拾起來(lái)的時(shí)候又好像沒(méi)有看過(guò)一樣。所以想習(xí)慣地把一些感覺(jué)有用的論文中的知識(shí)點(diǎn)總結(jié)整理一下，一方面在整理過(guò)程中，自己的理解也會(huì)更深，另一方面也方便未來(lái)自己的勘察。更好的還可...
Deep Learning論文筆記之（二）Sparse Filtering稀疏濾波
Deep Learning論文筆記之（二）Sparse Filtering稀疏濾波zouxy09@qq.com 自己平時(shí)看了一些論文，但老感覺(jué)看完過(guò)后就會(huì)慢慢的淡忘，某一天重新拾起來(lái)的時(shí)候又好像沒(méi)有看過(guò)一樣。所以想習(xí)慣地把一些感覺(jué)有用的論文中的知識(shí)點(diǎn)總結(jié)整理一下，一方面在整理過(guò)程中，自己的理解也會(huì)更深，另一方面也方便未來(lái)自己...
Deep Learning論文筆記之（一）K-means特征學(xué)習(xí)
Deep Learning論文筆記之（一）K-means特征學(xué)習(xí)zouxy09@qq.com 自己平時(shí)看了一些論文，但老感覺(jué)看完過(guò)后就會(huì)慢慢的淡忘，某一天重新拾起來(lái)的時(shí)候又好像沒(méi)有看過(guò)一樣。所以想習(xí)慣地把一些感覺(jué)有用的論文中的知識(shí)點(diǎn)總結(jié)整理一下，一方面在整理過(guò)程中，自己的理解也會(huì)更深，另一方面也方便未來(lái)自己的勘察。更好的還可...
運(yùn)動(dòng)檢測(cè)（前景檢測(cè)）之（二）混合高斯模型GMM
運(yùn)動(dòng)檢測(cè)（前景檢測(cè)）之（二）混合高斯模型GMMzouxy09@qq.com 因?yàn)楸O(jiān)控發(fā)展的需求，目前前景檢測(cè)的研究還是很多的，也出現(xiàn)了很多新的方法和思路。個(gè)人了解的大概概括為以下一些：幀差、背景減除（GMM、CodeBook、 SOBS、 SACON、 VIBE、 W4、多幀平均……）、光流（稀疏光流、稠密光流）、運(yùn)動(dòng)競(jìng)爭(zhēng)（M...
運(yùn)動(dòng)檢測(cè)（前景檢測(cè)）之（一）ViBe
運(yùn)動(dòng)檢測(cè)（前景檢測(cè)）之（一）ViBezouxy09@qq.com 因?yàn)楸O(jiān)控發(fā)展的需求，目前前景檢測(cè)的研究還是很多的，也出現(xiàn)了很多新的方法和思路。個(gè)人了解的大概概括為以下一些： 幀差、背景減除（GMM、CodeBook、 SOBS、 SACON、 VIBE、 W4、多幀平均……）、光流（稀疏光流、稠密光流）、運(yùn)動(dòng)競(jìng)爭(zhēng)（...
基于3D卷積神經(jīng)網(wǎng)絡(luò)的人體行為理解（論文筆記）
基于3D卷積神經(jīng)網(wǎng)絡(luò)的人體行為理解（論文筆記）zouxy09@qq.com 最近看Deep Learning的論文，看到這篇論文：3D Convolutional Neural Networks for Human Action Recognition。比較感興趣是CNN是怎么應(yīng)用于行為理解的，所以就看看。這篇論文發(fā)表在TPAM...
CVPR2013一些論文集合供下載（visual tracking相關(guān)）
CVPR2013一些論文集合供下載（visual tracking相關(guān)） zouxy09@qq.com 看到CVPR2013很多作者都開(kāi)放了他們的paper或者code，所以自己先查找下visual tracking和一些相關(guān)的，下載了部分，為了方便大家交流，先把這些已經(jīng)下載的放在網(wǎng)盤上，供大家下載哦。呵呵。...
Deep Learning（深度學(xué)習(xí)）學(xué)習(xí)筆記整理系列之（五）
Deep Learning（深度學(xué)習(xí)）學(xué)習(xí)筆記整理系列zouxy09@qq.com作者：Zouxyversion 1.0 2013-04-08聲明：1）該Deep Learning的學(xué)習(xí)系列是整理自網(wǎng)上很大牛和機(jī)器學(xué)習(xí)專家所無(wú)私奉獻(xiàn)的資料的。具體引用的資料請(qǐng)看參考文獻(xiàn)。具體的版本聲明也參考原文獻(xiàn)。2）本文僅供學(xué)術(shù)交流，非商用。所以每一部分具體...
Deep Learning（深度學(xué)習(xí)）學(xué)習(xí)筆記整理系列之（四）
Deep Learning（深度學(xué)習(xí)）學(xué)習(xí)筆記整理系列 zouxy09@qq.com 作者：Zouxy version 1.0 2013-04-08 聲明： 1）該Deep Learning的學(xué)習(xí)系列是整理自網(wǎng)上很大牛和機(jī)器學(xué)習(xí)專家所無(wú)私奉獻(xiàn)的資料的。具體引用的資料請(qǐng)看參考文獻(xiàn)。具體的版本聲明也參考原文獻(xiàn)。 2）本文僅供學(xué)...
Deep Learning（深度學(xué)習(xí)）學(xué)習(xí)筆記整理系列之（二）
Deep Learning（深度學(xué)習(xí)）學(xué)習(xí)筆記整理系列 zouxy09@qq.com 作者：Zouxy version 1.0 2013-04-08 聲明： 1）該Deep Learning的學(xué)習(xí)系列是整理自網(wǎng)上很大牛和機(jī)器學(xué)習(xí)專家所無(wú)私奉獻(xiàn)的資料的。具體引用的資料請(qǐng)看參考文獻(xiàn)。具體的版本聲明也參考原文獻(xiàn)。 2）本文僅供學(xué)...
Deep Learning（深度學(xué)習(xí)）學(xué)習(xí)筆記整理系列之（一）
Deep Learning（深度學(xué)習(xí)）學(xué)習(xí)筆記整理系列 zouxy09@qq.com 作者：Zouxy version 1.0 2013-04-08 聲明： 1）該Deep Learning的學(xué)習(xí)系列是整理自網(wǎng)上很大牛和機(jī)器學(xué)習(xí)專家所無(wú)私奉獻(xiàn)的資料的。具體引用的資料請(qǐng)看參考文獻(xiàn)。具體的版本聲明也參考原文獻(xiàn)。 2）本文僅...
計(jì)算機(jī)視覺(jué)的一些測(cè)試數(shù)據(jù)集和源碼站點(diǎn)
zouxy09@qq.com 轉(zhuǎn)自： 以下是computer vision：algorithm and application計(jì)算機(jī)視覺(jué)算法與應(yīng)用這本書(shū)中附錄里的關(guān)于計(jì)算機(jī)視覺(jué)的一些測(cè)試數(shù)據(jù)集和源碼站...
圖像分割之（五）活動(dòng)輪廓模型之Snake模型簡(jiǎn)介
圖像分割之（五）活動(dòng)輪廓模型之Snake模型簡(jiǎn)介 zouxy09@qq.com 在“圖像分割之（一）概述”中咱們簡(jiǎn)單了解了目前主流的圖像分割方法。下面咱們主要學(xué)習(xí)下基于能量泛函的分割方法。這里學(xué)習(xí)下Snake模型簡(jiǎn)單的知識(shí)，Level Set（水平集）模型會(huì)在后面的博文中說(shuō)到。 基于能量泛函的分割方法：...
簡(jiǎn)單粗糙的指尖檢測(cè)方法（FingerTips Detection）
簡(jiǎn)單粗糙的指尖檢測(cè)方法（FingerTips Detection） zouxy09@qq.com 在人機(jī)交互領(lǐng)域，如果可以比較好的檢測(cè)指尖，對(duì)于交互的豐富度、靈活性來(lái)說(shuō)是有很大提升的。目前指尖檢測(cè)的方法也很多，我這里稍微嘗試了下簡(jiǎn)單了兩種。這兩種方法都借助了手的幾何特征，簡(jiǎn)單但比較粗糙，魯棒性不夠。 方...
Kinect SDK v1.7 新特性、交互框架與新概念
Kinect SDK v1.7 新特性、交互框架與新概念 zouxy09@qq.com 2013年3月18日，微軟Kinect for Windows團(tuán)隊(duì)發(fā)布了新版的Kinect for Windows SDK 1.7，這是自去年發(fā)布Kinect forWindows SDK以來(lái)最重要的一次更新。其更新的核心內(nèi)容包...
光流Optical Flow介紹與OpenCV實(shí)現(xiàn)
光流Optical Flow介紹與OpenCV實(shí)現(xiàn) zouxy09@qq.com 光流（optic flow）是什么呢？名字很專業(yè)，感覺(jué)很陌生，但本質(zhì)上，我們是最熟悉不過(guò)的了。因?yàn)檫@種視覺(jué)現(xiàn)象我們每天都在經(jīng)歷。從本質(zhì)上說(shuō)，光流就是你在這個(gè)運(yùn)動(dòng)著的世界里感覺(jué)到的明顯的視覺(jué)運(yùn)動(dòng)（呵呵，相對(duì)論，沒(méi)有絕對(duì)的靜止，也沒(méi)有絕對(duì)...
計(jì)算機(jī)視覺(jué)、機(jī)器學(xué)習(xí)相關(guān)領(lǐng)域論文和源代碼大集合--持續(xù)更新……
計(jì)算機(jī)視覺(jué)、機(jī)器學(xué)習(xí)相關(guān)領(lǐng)域論文和源代碼大集合--持續(xù)更新…… zouxy09@qq.com 注：下面有project網(wǎng)站的大部分都有paper和相應(yīng)的code。Code一般是C/C++或者M(jìn)atlab代碼。 最近一次更新：2013-3-17 一、特征提取Feature Extraction： ·...
模板匹配中差值的平方和（SSD）與互相關(guān)準(zhǔn)則的關(guān)系
模板匹配中差值的平方和（SSD）與互相關(guān)準(zhǔn)則的關(guān)系 zouxy09@qq.com 模板匹配TemplateMatching是在圖像中尋找目標(biāo)的方法之一。原理很簡(jiǎn)單，就是在一幅圖像中尋找和模板圖像（patch）最相似的區(qū)域。在OpenCV中有對(duì)應(yīng)的函數(shù)可以調(diào)用： void matchTemplate(...
淺說(shuō)機(jī)器學(xué)習(xí)中“迭代法”
淺說(shuō)機(jī)器學(xué)習(xí)中“迭代法” zouxy09@qq.com 首先來(lái)點(diǎn)八股文（來(lái)自百度百科）：迭代法也稱輾轉(zhuǎn)法，是一種不斷用變量的舊值遞推新值的過(guò)程，跟迭代法相對(duì)應(yīng)的是直接法（或者稱為一次解法），即一次性解決問(wèn)題。迭代算法是用計(jì)算機(jī)解決問(wèn)題的一種基本方法。它利用計(jì)算機(jī)運(yùn)算速度快、適合做重復(fù)性操作的特點(diǎn)，讓計(jì)算機(jī)對(duì)一組指令（...
從最大似然到EM算法淺解
從最大似然到EM算法淺解 zouxy09@qq.com 機(jī)器學(xué)習(xí)十大算法之一：EM算法。能評(píng)得上十大之一，讓人聽(tīng)起來(lái)覺(jué)得挺NB的。什么是NB啊，我們一般說(shuō)某個(gè)人很NB，是因?yàn)樗芙鉀Q一些別人解決不了的問(wèn)題。神為什么是神，因?yàn)樯衲茏龊芏嗳俗霾涣说氖�。那么EM算法能解決什么問(wèn)題呢？或者說(shuō)EM算法是因?yàn)槭裁炊鴣?lái)到這個(gè)世界...
圖像分割之（四）OpenCV的GrabCut函數(shù)使用和源碼解讀
圖像分割之（四）OpenCV的GrabCut函數(shù)使用和源碼解讀 zouxy09@qq.com 上一文對(duì)GrabCut做了一個(gè)了解。OpenCV中的GrabCut算法是依據(jù)《"GrabCut" - Interactive Foreground Extraction using Iterated Graph Cuts...
圖像分割之（三）從Graph Cut到Grab Cut
圖像分割之（三）從Graph Cut到Grab Cut zouxy09@qq.com 上一文對(duì)GraphCut做了一個(gè)了解，而現(xiàn)在我們聊到的GrabCut是對(duì)其的改進(jìn)版，是迭代的Graph Cut。OpenCV中的GrabCut算法是依據(jù)《"GrabCut" - Interactive Foreground Ex...
圖像分割之（二）Graph Cut（圖割）
圖像分割之（二）Graph Cut（圖割） zouxy09@qq.com 上一文對(duì)主要的分割方法做了一個(gè)概述。那下面我們對(duì)其中幾個(gè)比較感興趣的算法做個(gè)學(xué)習(xí)。下面主要是Graph Cut，下一個(gè)博文我們?cè)賹W(xué)習(xí)下Grab Cut，兩者都是基于圖論的分割方法。另外OpenCV實(shí)現(xiàn)了Grab Cut，具體的源碼解讀見(jiàn)博...
圖像分割之（一）概述
圖像分割之（一）概述 zouxy09@qq.com 所謂圖像分割指的是根據(jù)灰度、顏色、紋理和形狀等特征把圖像劃分成若干互不交迭的區(qū)域，并使這些特征在同一區(qū)域內(nèi)呈現(xiàn)出相似性，而在不同區(qū)域間呈現(xiàn)出明顯的差異性。我們先對(duì)目前主要的圖像分割方法做個(gè)概述，后面再對(duì)個(gè)別方法做詳細(xì)的了解和學(xué)習(xí)。 1、基于閾值的分割方法...
神經(jīng)網(wǎng)絡(luò)編程入門
神經(jīng)網(wǎng)絡(luò)編程入門 zouxy09@qq.com 轉(zhuǎn)自： 本文主要內(nèi)容包括： (1) 介紹神經(jīng)網(wǎng)絡(luò)基本原理，(2) AForge.NET實(shí)現(xiàn)前向神經(jīng)網(wǎng)絡(luò)的方法，(3) Matlab實(shí)現(xiàn)前向...
圖像處理和計(jì)算機(jī)視覺(jué)中的經(jīng)典論文
圖像處理和計(jì)算機(jī)視覺(jué)中的經(jīng)典論文 zouxy09@qq.com 轉(zhuǎn)自： 感謝水木上同領(lǐng)域的同學(xué)分享，有了他的整理，讓我很方便的獲得了CV方面相關(guān)的經(jīng)典論文，我也順便整理一下，，把pdf中的文字...
視覺(jué)跟蹤綜述
視覺(jué)跟蹤綜述 zouxy09@qq.com 轉(zhuǎn)自： 目標(biāo)跟蹤是絕大多數(shù)視覺(jué)系統(tǒng)中不可或缺的環(huán)節(jié)。在二維視頻跟蹤算法中，基于目標(biāo)顏色信息或基于目標(biāo)運(yùn)動(dòng)信息等方法是常用的跟蹤方...
計(jì)算機(jī)視覺(jué)領(lǐng)域的一些牛人博客，研究機(jī)構(gòu)等的網(wǎng)站鏈接
計(jì)算機(jī)視覺(jué)領(lǐng)域的一些牛人博客，研究機(jī)構(gòu)等的網(wǎng)站鏈接 zouxy09@qq.com 轉(zhuǎn)自： 以下鏈接是本人整理的關(guān)于計(jì)算機(jī)視覺(jué)（ComputerVision, CV）相關(guān)領(lǐng)域的網(wǎng)站鏈接，...
壓縮跟蹤C(jī)ompressive Tracking源碼理解
壓縮跟蹤C(jī)ompressive Tracking源碼理解 zouxy09@qq.com 在前面一個(gè)介紹《Real-Time Compressive Tracking》這個(gè)paper的感知跟蹤算法的博文中，我說(shuō)過(guò)后面會(huì)學(xué)習(xí)下它的C++源碼，但是當(dāng)時(shí)因?yàn)橛行┦�，所以就沒(méi)有看了。今天，上到博客，看到一朋友在這個(gè)博文中評(píng)論...
生成模型與判別模型
生成模型與判別模型 zouxy09@qq.com 一直在看論文的過(guò)程中遇到這個(gè)問(wèn)題，折騰了不少時(shí)間，然后是下面的一點(diǎn)理解，不知道正確否。若有錯(cuò)誤，還望各位前輩不吝指正，以免小弟一錯(cuò)再錯(cuò)。在此謝過(guò)。 一、決策函數(shù)Y=f(X)或者條件概率分布P(Y|X) 監(jiān)督學(xué)習(xí)的任務(wù)就是從數(shù)據(jù)中學(xué)習(xí)一個(gè)模型（也叫分...
Kinect開(kāi)發(fā)學(xué)習(xí)筆記之（八）彩色、深度、骨骼和用戶摳圖結(jié)合
Kinect開(kāi)發(fā)學(xué)習(xí)筆記之（八）彩色、深度、骨骼和用戶摳圖結(jié)合 zouxy09@qq.com 我的Kinect開(kāi)發(fā)平臺(tái)是： Win7 x86 + VS2010 + Kinect for Windows SDK v1.6 + OpenCV2.3.0 開(kāi)發(fā)環(huán)境的搭建見(jiàn)上一文：
壓縮跟蹤C(jī)ompressive Tracking
壓縮跟蹤C(jī)ompressive Tracking zouxy09@qq.com 好了，學(xué)習(xí)了解了稀疏感知的理論知識(shí)后，終于可以來(lái)學(xué)習(xí)《Real-Time Compressive Tracking》這個(gè)paper介紹的感知跟蹤算法了。自己英文水平有限，理解難免出錯(cuò)，還望各位不吝指正。 下面是這個(gè)算法...
壓縮感知（Compressive Sensing）學(xué)習(xí)之（二）
壓縮感知（Compressive Sensing）學(xué)習(xí)之（二） zouxy09@qq.com 上一回粗略的引入了壓縮感知。 下面就針對(duì)自己的了解，具體總結(jié)下壓縮感知理論。由于自己也是...
壓縮感知（Compressive Sensing）學(xué)習(xí)之（一）
壓縮感知（Compressive Sensing）學(xué)習(xí)之（一） zouxy09@qq.com 壓縮感知（壓縮傳感，Compressive Sensing）理論是近年來(lái)信號(hào)處理領(lǐng)域誕生的一種新的信號(hào)處理理論，由D. Donoho(美國(guó)科學(xué)院院士)、E. Candes(Ridgelet, Curvelet創(chuàng)始人)及華裔科學(xué)家...
機(jī)器學(xué)習(xí)知識(shí)點(diǎn)學(xué)習(xí)
機(jī)器學(xué)習(xí)知識(shí)點(diǎn)學(xué)習(xí) zouxy09@qq.com 在學(xué)習(xí)機(jī)器學(xué)習(xí)的有關(guān)知識(shí)時(shí)，搜索到JerryLead的cnblog中的Machine Learning專欄，里面對(duì)于機(jī)器學(xué)習(xí)的部分算法和知識(shí)點(diǎn)講解地很經(jīng)典和透徹。所以Mark在這，多多學(xué)習(xí)！
和機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺(jué)相關(guān)的數(shù)學(xué)
和機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺(jué)相關(guān)的數(shù)學(xué)之一 （以下轉(zhuǎn)自一位MIT牛人的空間文章，寫(xiě)得很實(shí)際：） 作者：Dahua 感覺(jué)數(shù)學(xué)似乎總是不夠的。這些日子為了解決research中的一些問(wèn)題，又在圖書(shū)館捧起了數(shù)學(xué)的教科書(shū)。從大學(xué)到現(xiàn)在，課堂上學(xué)的和自學(xué)的數(shù)學(xué)其實(shí)不算少了，可是在研究的過(guò)程中總是發(fā)現(xiàn)需要補(bǔ)充新的數(shù)學(xué)知識(shí)。Learning和Vision都是很多種數(shù)學(xué)的交匯場(chǎng)�？粗煌睦碚擉w系的交匯，對(duì)于一個(gè)...
Learning中的代數(shù)結(jié)構(gòu)的建立
Learning中的代數(shù)結(jié)構(gòu)的建立 轉(zhuǎn)自： Learning是一個(gè)融會(huì)多種數(shù)學(xué)于一體的領(lǐng)域。說(shuō)起與此有關(guān)的數(shù)學(xué)學(xué)科，我們可能會(huì)迅速聯(lián)想到線性代數(shù)以及建立在向量空間基礎(chǔ)上的統(tǒng)計(jì)模型——事實(shí)上，主流的論文中確實(shí)在很大程度上基于它們。 R^n (n-維實(shí)向量空間) 是我們?cè)趐aper中見(jiàn)到最多的...
用單張2D圖像重構(gòu)3D場(chǎng)景
用單張2D圖像重構(gòu)3D場(chǎng)景 zouxy09@qq.com 之前看到Stanford大學(xué)的機(jī)器學(xué)習(xí)公開(kāi)課程的lecture01中，Andrew Ng介紹他的兩個(gè)學(xué)生用單幅圖像去重構(gòu)這個(gè)場(chǎng)景的三維模型。感覺(jué)非常厲害，所以就自己了解了一下。而這個(gè)研究也在相應(yīng)的大學(xué)網(wǎng)站上面提供了詳細(xì)的資料，包括相關(guān)論文、編寫(xiě)的代碼和訓(xùn)練涉及到的...
數(shù)學(xué)之美番外篇：平凡而又神奇的貝葉斯方法
數(shù)學(xué)之美番外篇：平凡而又神奇的貝葉斯方法 轉(zhuǎn)載自： 概率論只不過(guò)是把常識(shí)用數(shù)學(xué)公式表達(dá)了出來(lái)�！绽� 記得讀本科的時(shí)候，最喜歡到城里的計(jì)算機(jī)書(shū)店里面去閑逛，一逛就是好幾個(gè)小時(shí)；有一次，在書(shū)店看到一本書(shū)，名叫貝葉斯方法。當(dāng)時(shí)數(shù)學(xué)系...
交互系統(tǒng)的構(gòu)建之（四）手掌與拳頭檢測(cè)加盟TLD
交互系統(tǒng)的構(gòu)建之（四）手掌與拳頭檢測(cè)加盟TLD zouxy09@qq.com 人機(jī)交互系統(tǒng)的構(gòu)建之（一）中提到我的整個(gè)交互系統(tǒng)包含以下部分： TLD系統(tǒng)、TTS語(yǔ)音合成、語(yǔ)音識(shí)別、手勢(shì)和語(yǔ)音控制鼠標(biāo)和鍵盤、運(yùn)行前加入手掌的檢測(cè)（這樣就不用鼠標(biāo)畫(huà)目標(biāo)box了）、拳頭的檢測(cè)等等...
目標(biāo)檢測(cè)的圖像特征提取之（三）Haar特征
目標(biāo)檢測(cè)的圖像特征提取之（三）Haar特征 zouxy09@qq.com 1、Haar-like特征 Haar-like特征最早是由Papageorgiou等應(yīng)用于人臉表示，Viola和Jones在此基礎(chǔ)上，使用3種類型4種形式的特征。 Haar特征分為三類：邊緣特征、線性特征、中心特征和對(duì)角線特征，組合成特征模板。特征模板內(nèi)有白色和黑色兩種矩形，并定義該模板的特征值為白色矩...
目標(biāo)檢測(cè)的圖像特征提取之（二）LBP特征
目標(biāo)檢測(cè)的圖像特征提取之（二）LBP特征 zouxy09@qq.com LBP（Local Binary Pattern，局部二值模式）是一種用來(lái)描述圖像局部紋理特征的算子；它具有旋轉(zhuǎn)不變性和灰度不變性等顯著的優(yōu)點(diǎn)。它是首先由T. Ojala, M.Pietikäinen, 和 D. Harwood 在1994年提出，用于紋理特征提取。而且，提取的特征是圖像的局部的紋理...
目標(biāo)檢測(cè)的圖像特征提取之（一）HOG特征
目標(biāo)檢測(cè)的圖像特征提取之（一）HOG特征 zouxy09@qq.com 1、HOG特征： 方向梯度直方圖（Histogram of Oriented Gradient, HOG）特征是一種在計(jì)算機(jī)視覺(jué)和圖像處理中用來(lái)進(jìn)行物體檢測(cè)的特征描述子。它通過(guò)計(jì)算和統(tǒng)計(jì)圖像局部區(qū)域的梯度方向直方圖來(lái)構(gòu)成特征。Hog特征結(jié)合SVM分類器已經(jīng)被廣泛應(yīng)用于圖像識(shí)別中，尤其在行人檢測(cè)中獲得了極大的...
計(jì)算機(jī)視覺(jué)目標(biāo)檢測(cè)的框架與過(guò)程
計(jì)算機(jī)視覺(jué)目標(biāo)檢測(cè)的框架與過(guò)程 zouxy09@qq.com 個(gè)人接觸機(jī)器視覺(jué)的時(shí)間不長(zhǎng)，對(duì)于機(jī)器學(xué)習(xí)在目標(biāo)檢測(cè)的大體的框架和過(guò)程有了一個(gè)初步的了解，不知道對(duì)不對(duì)，如有錯(cuò)誤，請(qǐng)各位大牛不吝指點(diǎn)。 目標(biāo)的檢測(cè)大體框架： 目標(biāo)檢測(cè)分為以下幾個(gè)步驟： 1、訓(xùn)練分類器所需訓(xùn)練樣本的創(chuàng)建： 訓(xùn)練樣本包括正樣本和負(fù)樣本；其中正例樣本是指待檢目標(biāo)樣本(例如人臉...
淺析人臉檢測(cè)之Haar分類器方法：Haar特征、積分圖、 AdaBoost 、級(jí)聯(lián)
淺析人臉檢測(cè)之Haar分類器方法 一、Haar分類器的前世今生 人臉檢測(cè)屬于計(jì)算機(jī)視覺(jué)的范疇，早期人們的主要研究方向是人臉識(shí)別，即根據(jù)人臉來(lái)識(shí)別人物的身份，后來(lái)在復(fù)雜背景下的人臉檢測(cè)需求越來(lái)越大，人臉檢測(cè)也逐漸作為一個(gè)單獨(dú)的研究方向發(fā)展起來(lái)。 目前的人臉檢測(cè)方法主要有兩大類：基于知識(shí)和基于統(tǒng)計(jì)。 Ø 基于知識(shí)的方法：主要利用先驗(yàn)知識(shí)將人臉看作器官特征的組合，根...
交互系統(tǒng)的構(gòu)建之（三）TTS語(yǔ)音合成的加盟
交互系統(tǒng)的構(gòu)建之（三）TTS語(yǔ)音合成的加盟 zouxy09@qq.com 人機(jī)交互系統(tǒng)的構(gòu)建之（一）中提到我的整個(gè)交互系統(tǒng)包含以下部分： TLD系統(tǒng)、TTS語(yǔ)音合成、語(yǔ)音識(shí)別、手勢(shì)和語(yǔ)音控制鼠標(biāo)和鍵盤、運(yùn)行前加入手掌的檢測(cè)（這樣就不用鼠標(biāo)畫(huà)目標(biāo)box了）、拳頭的檢測(cè)等等。...
交互系統(tǒng)的構(gòu)建之（二）Linux下鼠標(biāo)和鍵盤的模擬控制
交互系統(tǒng)的構(gòu)建之（二）Linux下鼠標(biāo)和鍵盤的模擬控制 zouxy09@qq.com 交互系統(tǒng)的構(gòu)建之（一） 中提到我的整個(gè)交互系統(tǒng)包含以下部分： TLD系統(tǒng)、TTS語(yǔ)音合成、語(yǔ)音識(shí)別、手勢(shì)和語(yǔ)音控制鼠標(biāo)和鍵盤、運(yùn)行前加入手掌的檢測(cè)（這樣就不用鼠標(biāo)畫(huà)目標(biāo)box了）、拳頭的檢...
交互系統(tǒng)的構(gòu)建之（一）重寫(xiě)Makefile編譯TLD系統(tǒng)
交互系統(tǒng)的構(gòu)建之（一）重寫(xiě)Makefile編譯TLD系統(tǒng) zouxy09@qq.com 為了對(duì)TLD系統(tǒng)做一些功能的填充，例如添加語(yǔ)音合成來(lái)提示跟蹤狀態(tài)，或者加入語(yǔ)音識(shí)別來(lái)增加交互體驗(yàn)等，我就自己寫(xiě)了個(gè)Makefile來(lái)編譯TLD系統(tǒng)。因?yàn)門LD的Makefile是通過(guò)cmake生成的，比較復(fù)雜，如果要加入語(yǔ)音合成等等API的庫(kù)或者頭文件的話，我都不知道在什么地方加，所以自己的整理...
TLD（Tracking-Learning-Detection）學(xué)習(xí)與源碼理解之（七）
下面是自己在看論文和這些大牛的分析過(guò)程中，對(duì)代碼進(jìn)行了一些理解，但是由于自己接觸圖像處理和機(jī)器視覺(jué)沒(méi)多久，另外由于自己編程能力比較弱，所以分析過(guò)程可能會(huì)有不少的錯(cuò)誤，希望各位不吝指正。而且，因?yàn)榫幊毯芏嗟胤讲欢�，所以注釋得非常亂，還海涵。 FerNNClassifier.h /* * FerNNClassifier.h * * Created on: Jun 14, 201...
TLD（Tracking-Learning-Detection）學(xué)習(xí)與源碼理解之（六）
下面是自己在看論文和這些大牛的分析過(guò)程中，對(duì)代碼進(jìn)行了一些理解，但是由于自己接觸圖像處理和機(jī)器視覺(jué)沒(méi)多久，另外由于自己編程能力比較弱，所以分析過(guò)程可能會(huì)有不少的錯(cuò)誤，希望各位不吝指正。而且，因?yàn)榫幊毯芏嗟胤讲欢�，所以注釋得非常亂，還海涵。 TLD.h #include #include #include #include #include //Bounding Boxes str...
TLD（Tracking-Learning-Detection）學(xué)習(xí)與源碼理解之（五）
下面是自己在看論文和這些大牛的分析過(guò)程中，對(duì)代碼進(jìn)行了一些理解，但是由于自己接觸圖像處理和機(jī)器視覺(jué)沒(méi)多久，另外由于自己編程能力比較弱，所以分析過(guò)程可能會(huì)有不少的錯(cuò)誤，希望各位不吝指正。而且，因?yàn)榫幊毯芏嗟胤讲欢�，所以注釋得非常亂，還海涵。 LKTracker.h #include #include //使用金字塔LK光流法跟蹤，所以類的成員變量很多都是OpenCV中calcOptic...
TLD（Tracking-Learning-Detection）學(xué)習(xí)與源碼理解之（四）
下面是自己在看論文和這些大牛的分析過(guò)程中，對(duì)代碼進(jìn)行了一些理解，但是由于自己接觸圖像處理和機(jī)器視覺(jué)沒(méi)多久，另外由于自己編程能力比較弱，所以分析過(guò)程可能會(huì)有不少的錯(cuò)誤，希望各位不吝指正。而且，因?yàn)榫幊毯芏嗟胤讲欢�，所以注釋得非常亂，還海涵。 run_tld.cpp #include #include #include #include //c++中的sstream類，提供了程序和...
TLD（Tracking-Learning-Detection）學(xué)習(xí)與源碼理解之（三）
TLD（Tracking-Learning-Detection）學(xué)習(xí)與源碼理解之（三） zouxy09@qq.com 下面是自己在看論文和這些大牛的分析過(guò)程中，對(duì)代碼進(jìn)行了一些理解，但是由于自己接觸圖像處理和機(jī)器視覺(jué)沒(méi)多久，另外由于自己編程能力比較弱，所以分析過(guò)程可能會(huì)有不少的錯(cuò)誤，希望各位不吝指正。而且，因?yàn)榫幊毯芏嗟胤讲欢宰⑨尩梅浅y，還海涵。 從main()函數(shù)切入，分析整...
TLD（Tracking-Learning-Detection）學(xué)習(xí)與源碼理解之（二）
TLD（Tracking-Learning-Detection）學(xué)習(xí)與源碼理解之（二） zouxy09@qq.com OpenTLD下載與編譯： （1）https://github.com/arthurv/OpenTLD 下載得到：arthurv-OpenTLD-1e3cd0b.zip 或者在Linux下直接通過(guò)git工具進(jìn)行克隆： #git clone git@github.com:...
TLD（Tracking-Learning-Detection）學(xué)習(xí)與源碼理解之（一）
TLD（Tracking-Learning-Detection）學(xué)習(xí)與源碼理解之（一） zouxy09@qq.com TLD(Tracking-Learning-Detection)是英國(guó)薩里大學(xué)的一個(gè)捷克籍博士生Zdenek Kalal在其攻讀博士學(xué)位期間提出的一種新的單目標(biāo)長(zhǎng)時(shí)間（long term tracking）跟蹤算法。該算法與傳統(tǒng)跟蹤算法的顯著區(qū)別在于將傳統(tǒng)的跟蹤算法和傳統(tǒng)的檢測(cè)...
本文關(guān)鍵詞：計(jì)算機(jī)視覺(jué)，由筆耕文化傳播整理發(fā)布。
本文編號(hào)：45012
本文鏈接：http://www.lk138.cn/kejilunwen/jisuanjikexuelunwen/45012.html
