08 2011 档案
摘要：PASCAL VOC，20个类别，包括图像识别，物体检测，前景分割，动作识别等几个比赛项目，另外有一个新加入的基于ImageNET数据集的比赛项目，共有1000个类别。国内自动化所这个赛事上比较厉害，在VOC2010识别上取得第二的好成绩，物体检测第一的好成绩，VOC2010识别冠军由新加坡Shuicheng YAN教授率领的团队夺得。ImageNET2010的识别冠军是NEC的Kai YU率领的团队获得。这个两个数据集是目前最接近实际的数据集，不像Caltech101那样简单(在实际中推广能力很差，应该早早退休了)[1]。Ref[1] Antonio Torralba, Alexei A..
阅读全文
摘要：正如广告语说的那样：处理器无处不在(Microprocessor are everywhere)。交换机等等，莫不如此。我们身处的电子世界，是建立在处理器基础之上的。前科技部部长徐冠华曾经发出这样的感叹：“没有自己的每一个成功的男人背后都有一个成功的女人，每一个成功的电子产品里面至少有一个成功的处理器。不管是我们经常使用的计算机、手机、汽车，还是为我们服务，但是我们不知道它们在哪的基站、服务器、CPU芯片，我们的信息产业大厦就如同建立在沙滩上。”正因如此，龙芯、汉芯等等芯的一点点风吹草动，总能牵动大家的心。连载1：跟着顺溜学流水线连载2：流水线的若干问题探讨连载3：处理器的流水线实例连载4：.
阅读全文
摘要：两概率分布之间的距离 $\alpha$-divergence
阅读全文
摘要：这是神经网络复苏的又一个成功例子，错误率从27.4%降低至18.5%论文
阅读全文
摘要：Variational Inference思想：用易于计算的 $Q(Z)$ 来近似后验概率 $P(Z|X)$ ，进行推理Observed variables $X$ and hidden variables $Z$, $X=\{\textbf{x}_1,...,\textbf{x}_N\}$Hidden variables include parameters and latent variables.Learning/inference involves finding: $P(Z_1,Z_2,...|X)$\[\ln P(X)=\sum_ZQ(Z) \ln P(X)=\sum_Z Q(Z)
阅读全文
摘要：1. Introduction2. Probability Distributions3. Linear Models for Regression4. Linear Models for Classification5. Neural Networks6. Kernel Methods7. Sparse Kernel Machines8. Graphical Models9. Mixture Models and EM10. Approximate Inference11. Sampling Methods12. Coninuous Latent Variables13. Sequentia
阅读全文
摘要：一篇论文可以从下面几个方面去解读：1. 待解问题2. 约束条件，包括假设(当然这些假设可以在实验中去满足了)3. 创新方法4. 实验验证5. 结论例如：LOCUS: Learning Object Classes with Unsupervised Segmentation这篇用无监督分割的方法来学Object Model待解问题：学习Object model和Object segmentation约束条件：只有Image level的label，关键假设：object shape变化不大且，类别的某个具体物体color/texture变化有限(便于分割)创新方法：用一个generative.
阅读全文
摘要：Vladimir Vapnik几十年创下的统计学习理论，关于经验误差最小化的一致性，收敛速度，如何控制收敛速度（推广能力），怎样构造能够控制推广能力的算法，占个位，边看边总结
阅读全文
摘要：现代人都很忙，但忙的可能没有效率，可能在“忙人”摸象，也就是瞎忙。也许你的效率可以提升20倍，也许你的激情和潜能可以提升10倍！秘诀就在于目标管理、时间管理、精力管理、如何在短时间内完成更多的事情、如何从痛苦的修行中悟道、如何尊崇内心的自由、如何有更多的时间去享受生活、如何动态平衡工作和生活？！这里有能大大提升工作效率和时间效率的几个重要的工作习惯：1. 每天一上班就进入状态，不要浏览网页，快速聚焦最重要的工作项上面 一些好习惯的养成，常常有助于工作效率的提高。比如，每天一进入办公室就进入状态，浏览一下邮件，列出今天要完成的工作，首先集中于做最最重要的事情。不要一上班就浏览网页和新闻，来自..
阅读全文
摘要："If you can't explain it simply, you don't understand it well enough"--Albert Einstein"In Gold we trust, all others bring data."--William Edwards Deming"The devil is in the details."
阅读全文
摘要：N=10;w=1.0/N;h=1.0/N;wi=0.9*w;hi=0.9*h;fori=1:100[x,y]=ind2sub([N,N],i);subplot('Position',[(x-1)*w1-y*hwihi]);%subplot(N,N,i);end
阅读全文
摘要：x+y = (x&y) + (x|y) //在第k位: xk=1,yk=1,则(x&y)k=1,(x|y)k=1; xk=0,yk=1,则(x&y)k=0,(x|y)k=1; 所以做加法不影响结果(x|y) = (x&y) + (x^y)x+y = 2*(x&y) + (x^y)ë(x+y)/2û = (x&y) + (x^y)>>1 //为了防止x+y溢出Ref[1] http://aggregate.ee.engr.uky.edu/MAGIC/
阅读全文
摘要：1. Google http://images.google.com/基于关键字，现在也支持以图搜图 2. Bing http://image.bing.com/基于关键字3. Sogou http://pic.sogou.com/ 基于关键字，现在也支持以图搜图4. Soso http://image.soso.com/基于关键字5. Taobao http://imagine.taobao.com/ 基于图像内容(MS 颜色为主)6. TinEye http://www.tineye.com/ 以图搜图7. Flickr http://www.flickr.com/ 基于关键字(Tag).
阅读全文
摘要：Local point detector在图像匹配，识别，检索中得到了广泛而成功的应用。然而由Local point detetor检测出来的点是一些角点(Corner)或者斑点(Blob)，可以满足在具体某件东西或场景的匹配，识别，检索，但要泛化到一般类别上就很难，比如自由女神像的不同角度拍摄的照片可以很好的用已有Local point detector出来的点匹配上，然后对于不同的两辆自行车的图片，匹配的结果就会很差。
阅读全文
摘要：引言 机器学习的本质就是机器从数据中学习出内在规律，这些内在规律一般用一个函数来表达。在机器学习领域，有这么两位大牛(Geoffrey Hinton, Vladimir Vapnik)，在经过几十年的苦练，分别创下了Deep Belief Network (DBN)和Support Vector M
阅读全文
摘要：Matlab的for循环的效率问题，一般这段代码用C++写比较合适。
阅读全文
摘要：编程一定要清晰，这样才能工作得轻松点。1. 一个问题用编程来解决，在Visual Studio中叫一个Solution，Solution中可以包含多个Project，在开始的时候Solution和Project可以取不同的名字，比如: Solution name: SVM， Project Name：Train2. 在Solution目录下建bin，src，lib，doc文件夹，设置Project的Property，Output Directory设为$(SolutionDir)bin\$(Configuration)$(Platform)\，则输出exe分别存到bin的不同路径下图1
阅读全文
摘要：错误：Creating "latex.fmt"..."tex.exe" --ini --interaction=nonstopmode --halt-on-error --alias latex latex.ltx \dumpThis is TeX, Version 3.141592 (MiKTeX 2.4) (INITEX)(C:\CTeX\texmf\tex\latex\base\latex.ltx(C:\CTeX\texmf\tex\latex\00miktex\texsys.cfg)./texsys.aux found\@currdir set
阅读全文
摘要：因为数据太大(>>4GB)，决定不程序移植到64位，没有想象的简单，下面记录一些注意事项，会不断添加的1. 指针长度，32位下指针是4 Byte的变量，而64位下是8 Byte的变量。2. 由于某些数特别大，会出现溢出，比如int型的范围在[-2^31, 2^31]，超过就需要_int64来表示，像size_t根据platform来define的数据类型比较好使，在32位下是4Byte int，在64位下是8Byte int。
阅读全文
摘要：好的东西也需要有好的包装，Silverlight看上去很炫，应该是很好的包装吧。找到Bill Guo同学的教程博文，开始学习。
阅读全文
浙公网安备 33010602011771号