上一页 1 ··· 4 5 6 7 8
摘要: 最大似然估计提供了一种给定观察数据来评估模型参数的方法,即:“模型已定,参数未知”。简单而言,假设我们要统计全国人口的身高,首先假设这个身高服从服从正态分布,但是该分布的均值与方差未知。我们没有人力与物力去统计全国每个人的身高,但是可以通过采样,获取部分人的身高,然后通过最大似然估计来获取上述假设中的正态分布的均值与方差。 最大似然估计中采样需满足一个很重要的假设,就是所有的采样都是独立同分布的。下面我们具体描述一下最大似然估计: 首先,假设为独立同分布的采样,θ为模型参数,f为我们所使用的模型,遵循我们上述的独立同分布假设。参数为θ的模型f产生上述采样可表示为回到上面的“模型已定,参数未知” 阅读全文
posted @ 2012-05-09 10:41 视频理解 阅读(426) 评论(0) 推荐(0)
摘要: 本文翻译自Conditional Random Fields: An Introduction. Hanna M. Wallach February 24, 20041.序列标注对一组观察序列进行标注在生物信息学,计算语言学和语音识别等领域都有广泛的应用。例如,考虑下面自然语言处理任务:对一句话中的单词进行成分分析(POS)。在该任务中,每个单词都要赋值一个标签,代表其在句子中的成分。标注的结果形如:[PRP He] [VBZ reckons] [DT the] [JJ current] [NN account] [NNdeficit] [MD will] [VB narrow] [TO to] 阅读全文
posted @ 2012-04-23 16:02 视频理解 阅读(1971) 评论(0) 推荐(0)
摘要: 参考公式:/**********************************************************Author XJ Shi. FileName: Gabor.hshi-xj@163.comDefine the class head to Gabor Filter@ 2011.1.2***********************************************************/#ifndef _GABOR_H#define _GABOR_H#include <stdio.h>#include <iostream>// 阅读全文
posted @ 2012-04-18 15:42 视频理解 阅读(2052) 评论(0) 推荐(0)
摘要: 上一篇较详细地介绍了k-d树算法。本文来讲解具体的实现代码。 首先是一些数据结构的定义。我们先来定义单个数据,代码如下://单个数据向量结构定义struct _Examplar{public: _Examplar():dom_dims(0){} //数据维度初始化为0 //带有完整的两个参数的constructor,这里const是为了保护原数据不被修改 _Examplar(const std::vector<double> elt, int dims) { ... 阅读全文
posted @ 2012-04-09 16:21 视频理解 阅读(718) 评论(2) 推荐(2)
摘要: BBF(Best Bin First)是一种改进的k-d树最近邻查询算法。从前两篇标准的k-d树查询过程可以看出其搜索过程中的“回溯”是由“查询路径”来决定的,并没有考虑查询路径上数据点本身的一些性质。BBF的查询思路就是将“查询路径”上的节点进行排序,如按各自分割超平面(称为Bin)与查询点的距离排序。回溯检查总是从优先级最高的(Best Bin)的树节点开始。另外BBF还设置了一个运行超时限制,当优先级队列中的所有节点都经过检查或者超出时间限制时,算法返回当前找到的最好结果作为近似的最近邻。采用了best-bin-first search方法就可以将k-d树扩展到高维数据集上。 下面我们. 阅读全文
posted @ 2012-04-09 16:19 视频理解 阅读(1258) 评论(0) 推荐(1)
摘要: k-d树(k-dimensional树的简称),是一种分割k维数据空间的数据结构。主要应用于多维空间关键数据的搜索(如:范围搜索和最近邻搜索)。应用背景 SIFT算法中做特征点匹配的时候就会利用到k-d树。而特征点匹配实际上就是一个通过距离函数在高维矢量之间进行相似性检索的问题。针对如何快速而准确地找到查询点的近邻,现在提出了很多高维空间索引结构和近似查询的算法,k-d树就是其中一种。 索引结构中相似性查询有两种基本的方式:一种是范围查询(range searches),另一种是K近邻查询(K-neighbor searches)。范围查询就是给定查询点和查询距离的阈值,从数据集中找出所有.. 阅读全文
posted @ 2012-04-09 16:16 视频理解 阅读(1172) 评论(0) 推荐(1)
摘要: 背景建模算法1基本原理视频图像中运动目标检测的一种方法,其基本思想是对图像的背景进行建模。一旦背景模型建立,将当前的图像与背景模型进行某种比较,根据比较结果确定前景目标(需要检测的运动目标)。2难点(1) 环境光照的变化(光照突然性的变化和缓慢的变化)(2) 背景的多模态性(背景中存在的细微的运动将影响前景目标检测的结果)(3) 运动物体的阴影(4) 图像噪声(5) 新的不动的物体进入到背景中(如何快速适应背景的变化)3分类背景建模方法可以分为两类,颜色背景模型和纹理背景模型。3.1颜色背景模型颜色背景模型其思想是对图像中每个像素的颜色值(灰度或彩色)进行建模。如果当前图像坐标(x,y)上的像 阅读全文
posted @ 2011-03-15 15:14 视频理解 阅读(935) 评论(0) 推荐(0)
摘要: CvSize 矩形框大小,以像素为精度 typedef struct CvSize{int width; /* 矩形宽 */int height; /* 矩形高 */}CvSize;/* 构造函数 */inline CvSize cvSize( int width, int height );GetSize返回矩阵或图像ROI的大小 CvSize cvGetSize( const CvArr* arr );arr 数组头。 函数 cvGetSize 返回图像或矩阵的行数和列数,如果是图像就返回ROI的大小注意:IplImage* src1=cvCreateImage(cvSize(src-w 阅读全文
posted @ 2010-12-13 16:24 视频理解 阅读(1095) 评论(0) 推荐(0)
上一页 1 ··· 4 5 6 7 8