注册 登录
    • 为了保证你在浏览本网站时有着更好的体验,建议使用类似Chrome、Firefox之类的浏览器~~
    • 如果你喜欢本站的内容何不Ctrl+D收藏一下呢,与大家一起分享各种编程知识~
    • 本网站研究机器学习、计算机视觉、模式识别~当然不局限于此,生命在于折腾,何不年轻时多折腾一下
计算机视觉专题

计算机视觉专题

计算机视觉专题导航 ……

2017人脸检测概况

2017人脸检测概况

编者按:这是一个看脸的世界,尤其在这个刷脸就能够影响银行卡余额的时代,如何准确地看脸已经成为关系到民生大计的重大问题。二十年来专注于人脸的中科院计算所研究员、中科视拓董事长兼CTO山世光博士,将带着大家从技术和应用两个层面,回顾人脸检测与识别领域一年来的进展。大讲堂特别在文末提供文中提到所有文章的下载连接。过去一年与以往几年相比,……

基于QR和PCA的人脸识别

基于QR和PCA的人脸识别

PCA(Principal Component Analysis,主成分分析)是一种很常用的根据变量协方差对数据进行降维、压缩的方法。它的精髓在于尽量用最少数量的维度,尽可能精确地描述数据。PCA对数据进行降维的过程可以用下面这个动图来解释(图片摘自http://stats.stackexchange.com/a/140579/93946):在上图中,……

Opencv3.0HOG-SVM自定义xml检测

Opencv3.0HOG-SVM自定义xml检测

方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+SVM进行行人检测的方法是法国研究人员Da……

爬山对焦算法Matlab版

爬山对焦算法Matlab版

概念爬山算法是一种局部择优的方法,采用启发式方法,是对深度优先搜索的一种改进,它利用反馈信息帮助生成解的决策。 属于人工智能算法的一种。算法优缺点优点避免遍历,通过启发选择部分节点,从而达到提高效率的目的。缺点因为不是全面搜索,所以结果可能不是最佳。爬山算法一般存在以下问题:1)、局部最大:某个节点比周围任何一个邻居都高,但是它却不是整个问题……

机器学习导论(2)–梯度下降法

机器学习导论(2)–梯度下降法

引言最近再看网易公开课–机器学习,准备好好学习一下机器学习的算法。在之前的学习过程中总是没有那么的细致的研究,现在有时间从公式的推导一步一步完成机器学习算法的学习。今天这个文章介绍的是最优化算法–梯度下降法,本来打算晚上发文章的,可是网速实在是不给力啊!这篇的博客不再是手写了,我在草稿纸上手写推导完成以照片的形式上传~推导过程……

MatLab元编程简介

MatLab元编程简介

这篇文章对 Matlab 中的元编程进行了简单的介绍。Matlab 是一个古老而又高度专业化的语言。由于这一原因,缺乏很多在现代或者通用语言中拥有的特性。然而,用一些简单的工具,我们可以发现 Matlab 也可以足够灵活去进行非常简单的元编程。什么是元编程?为什么用 Matlab 来做粗浅的说,元编程是将程序视为数据的过程——意味着一个程序可以像一个普通……

Opencv学习笔记(3)–Harris角点详细介绍

Opencv学习笔记(3)–Harris角点详细介绍

Harris角点基本原理人眼对角点的识别通常是在一个局部的小区域或小窗口完成的。如果在各个方向上移动这个特征的小窗口,窗口内区域的灰度发生了较大的变化,那么就认为在窗口内遇到了角点。如果这个特定的窗口在图像各个方向上移动时,窗口内图像的灰度没有发生变化,那么窗口内就不存在角点;如果窗口在某一个方向移动时,窗口内图像的灰度发生了较大的变化,而在另一些方向上……

Opencv学习笔记(2)–形态学角点检测

Opencv学习笔记(2)–形态学角点检测

形态学角点检测角点角点检测(Corner Detection)是计算机视觉系统中用来获得图像特征的一种方法,广泛应用于运动检测、图像匹配、视频跟踪、三维建模和目标识别等领域中。也称为特征点检测。角点通常被定义为两条边的交点,更严格的说,角点的局部邻域应该具有两个不同区域的不同方向的边界。而实际应用中,大多数所谓的角点检测方法检测的是拥有特定特征的图像点……

Opencv学习笔记(1)–图像减法

Opencv学习笔记(1)–图像减法

图像指针图像的基本元素就是所谓的像素,很多时候对于图像的处理在空间域中都是直接对像素做相应的处理。在本文中将以相关的例子来说明图像指针在图像处理中的实际应用。图像颜色数目减法对于一般的彩色图像来说分为三个颜色通道,以RGB图像举例说明包含R(红),G(绿),B(蓝)。(PS:在实际opencv读取rgb图像时保存的顺序是BGR)。对于每一个单通道像素……