随笔分类 -  MachineLearning

机器学习算法
摘要:1.原理 CNN的资料特别多,这里不再赘述,仅收集相关的资料供大家参考: a.Deep learning:五十一(CNN的反向求导及练习) b.Deep Learning 2.实现 我们使用keras实现CNN,Keras的使用文档请参考 a.Keras中文文档 b.Keras英文文档。 参考ker 阅读全文
posted @ 2017-07-09 16:22 horsetail 阅读(887) 评论(0) 推荐(0)
摘要:BP神经网络是深度学习的重要基础,它是深度学习的重要前行算法之一,因此理解BP神经网络原理以及实现技巧非常有必要。接下来,我们对原理和实现展开讨论。 1.原理 有空再慢慢补上,请先参考老外一篇不错的文章:A Step by Step Backpropagation Example 激活函数参考:深度 阅读全文
posted @ 2017-07-04 21:11 horsetail 阅读(2988) 评论(0) 推荐(0)
摘要:1.信息熵 给定概率密度函数\(p(x)\), 定义该函数的信息熵 \(H(p)=H[\mathbf{x}]=-\int{p(\mathbf{x})lnp(\mathbf{x})d\mathbf{x}}\) 信息熵描述了分布的混乱程度。均匀分布是使得信息熵最大的概率分布。单点的冲击响应函数对应的信息 阅读全文
posted @ 2017-07-01 19:02 horsetail 阅读(492) 评论(0) 推荐(0)
摘要:Softmax回归用于处理多分类问题,是Logistic回归的一种推广。这两种回归都是用回归的思想处理分类问题。这样做的一个优点就是输出的判断为概率值,便于直观理解和决策。下面我们介绍它的原理和实现。 1.原理 a.问题 考虑\(K\)类问题,假设已知训练样本集\(D\)的\(n\)个样本\(\{( 阅读全文
posted @ 2017-06-28 12:16 horsetail 阅读(3809) 评论(0) 推荐(0)
摘要:Logistic回归是机器学习中非常经典的一个方法,主要用于解决二分类问题,它是多分类问题softmax的基础,而softmax在深度学习中的网络后端做为常用的分类器,接下来我们将从原理和实现来阐述该算法的思想。 1.原理 a.问题描述 考虑二分类问题,利用回归的思想,拟合特征向量到类别标签的回归, 阅读全文
posted @ 2017-06-26 18:22 horsetail 阅读(2333) 评论(0) 推荐(0)
摘要:深度图转点云的计算过程很简洁,而里面的原理是根据内外参矩阵变换公式得到,下面来介绍其推导的过程。 1. 原理 首先,要了解下世界坐标到图像的映射过程,考虑世界坐标点M(Xw,Yw,Zw)映射到图像点m(u,v)的过程,如下图所示: 详细原理请参考教程"相机标定(2) 摄像机标定原理",这里不做赘述。 阅读全文
posted @ 2016-07-29 18:10 horsetail 阅读(39730) 评论(2) 推荐(1)
摘要:libsvm很早之前就用了,现在封装一下方便自己使用,也方便大家更快的使用这个库,这个库一个挺有用的特性就是对测试样本的概率估计。源码在随笔的最后。liblinear的版本也是类似移植,主要是处理好数据的传入即可。 1.源码 码农最喜欢的稻草了,封装的项目源码,请看附件:CxLibSVM.zip l 阅读全文
posted @ 2016-07-06 11:54 horsetail 阅读(3583) 评论(0) 推荐(1)
摘要:这\(^{[1]}\)是一篇关于如何使用高维度特征在人脸验证中的文章,作者以主要LBP为例子,论述了高维特征和验证性能存在着正相关的关系,即人脸维度越高,验证的准确度就越高。由于那时候没有用DeepLearning在LAWF上测试精度就能达到很高的精度95+%,受到了很多人的关注。而有些开源库已经实 阅读全文
posted @ 2016-06-22 11:24 horsetail 阅读(1775) 评论(0) 推荐(0)
摘要:欧拉角和四元数都可以用来描述物体的姿态。欧拉角的万向节死锁理解稍微奇怪。四元数原理的理解较为复杂。欧拉角和四元数之间可以做转换。这里收集了若干资料已做备忘。 万向节死锁(Gimbal Lock) : 欧拉角中的万向节死锁(Gimbal Lock)是一个重点和难点,理解了它对理解为何使用四元数替代欧拉 阅读全文
posted @ 2016-06-02 18:03 horsetail 阅读(8484) 评论(0) 推荐(0)
摘要:利用Landmarks进行人脸对齐裁剪是人脸检测中重要的一个步骤。效果如下图所示: 基本思路为: a.人脸检测 人脸的检测不必多说了,基本Cascade的方式已经很不错了,或者用基于HOG/FHOG的SVM/DPM等。这些在OpenCV,DLIB都有。 b.在检测到的人脸上进行Landmarks检测 阅读全文
posted @ 2016-04-27 13:29 horsetail 阅读(24722) 评论(4) 推荐(1)
摘要:1.卡尔曼滤波的导论卡尔曼滤波器(Kalman Filter),是由匈牙利数学家Rudolf Emil Kalman发明,并以其名字命名。卡尔曼出生于1930年匈牙利首都布达佩斯。1953,1954年分别获得麻省理工学院的电机工程学士以及硕士学位。1957年于哥伦比亚大学获得博士学位。卡尔曼滤波器是... 阅读全文
posted @ 2015-09-29 14:02 horsetail 阅读(6173) 评论(0) 推荐(0)
摘要:EM(Expectation Maximization)算法参考资料:[1].从最大似然到EM算法浅解[2]. 简单的EM算法例子[3].EM算法)The EM Algorithm(详尽的理论推导过程,源自斯坦福大学的教程)[4].混合高斯模型(Mixtures of Gaussians)和EM算法 阅读全文
posted @ 2015-09-15 09:09 horsetail 阅读(230) 评论(0) 推荐(0)
摘要:很有意思的一篇人脸识别算法文章,人家写的太好,就不好意思写了,收集了一些资料,包括了原理介绍,流程图,项目网址和作者主页信息等。参考资料:[1].http://blog.csdn.net/csyhhb/article/details/46300001(原理介绍)[2].http://blog.csd... 阅读全文
posted @ 2015-09-14 11:33 horsetail 阅读(876) 评论(0) 推荐(0)
摘要:机器视觉中,常用到协方差相关的知识,特别是基于统计框架下的机器学习算法,几乎无处不在的用到它,因此了解协方差是再基础不过的了。这里推荐一个很不错的基础教程:协方差的意义和计算公式 均值和方差 引入协方差之前,先简单回顾下概率统计中的两个重要基础概念:均值和方差。均值,顾名思义就是一堆样本的平均值,方 阅读全文
posted @ 2015-09-11 11:16 horsetail 阅读(12642) 评论(1) 推荐(1)
摘要:最近因为需要收集了一些OCR的供应商,可以做身份证识别,银行卡识别,名片识别等特定场景下的文字识别。在通用场景下的文字识别效果还不是很理想。现在OCR在特定的场景下做得已经很不错了。下面列出下这些厂商及其相应的演示链接。1、文通(http://www.wintone.com.cn/a/prods/n... 阅读全文
posted @ 2015-09-09 14:41 horsetail 阅读(4941) 评论(0) 推荐(0)
摘要:近些年国内的人脸技术已经得到了很大的发展,今天网上无意看到了微软和face++两家公司的人脸检测,Face++号称国际顶尖的技术,也用过他们的接口感觉确实很不错,而微软则不再话下了。于是想对比微软和Face++的人脸检测效果。1、演示接口以官方提供的在线测试接口为准:微软:https://cn.pr... 阅读全文
posted @ 2015-09-07 13:02 horsetail 阅读(1083) 评论(0) 推荐(0)
摘要:算法思想:算法通过最小化约束条件4ac-b^2 = 1,最小化距离误差。利用最小二乘法进行求解,首先引入拉格朗日乘子算法获得等式组,然后求解等式组得到最优的拟合椭圆。算法的优点: a、椭圆的特异性,在任何噪声或者遮挡的情况下都会给出一个有用的结果; b、不变性,对数据的Euclidean变换具有... 阅读全文
posted @ 2015-07-06 19:00 horsetail 阅读(21469) 评论(6) 推荐(0)