2012年9月29日
摘要: 关于computer vision的会议及vision guys注:我上次在转载Zhihua Zhou的帖子时候补充说明了cv的会议,现在扩展成一篇长文. 众所周知, computer vision(cv) 存在ICCV/CVPR/ECCV三个顶级会议, 它们档次差不多,都应该在一流会议行列, 没有必要给个高下. 有些us的人认为ICCV/CVPR略好于ECCV,而欧洲人大都认为ICCV/ECCV略好于CVPR, 某些英国的人甚至认为BMVC好于CVPR.简言之, 三个会议差不多, 各有侧重和偏好. 笔者就个人经验浅谈三会异同, 以供大家参考和讨论. 三者乃cv领域的旗舰和风向标,其oral 阅读全文
posted @ 2012-09-29 17:11 Hanson-jun 阅读(308) 评论(0) 推荐(0) 编辑
摘要: http://blog.csdn.net/playoffs/article/details/7588597推荐几个机器学习和数据挖掘领域相关的中国大牛:李航:http://research.microsoft.com/en-us/people/hangli/,是MSRA Web Search and Mining Group高级研究员和主管,主要研究领域是信息检索,自然语言处理和统计学习。近年来,主要与人合作使用机器学习方法对信息检索中排序,相关性等问题的研究。曾在人大听过一场他的讲座,对实际应用的问题抽象,转化和解决能力值得学习。周志华:http://cs.nju.edu.cn/zhouzh 阅读全文
posted @ 2012-09-29 17:10 Hanson-jun 阅读(889) 评论(0) 推荐(0) 编辑
摘要: Richard Szeliski一本系统介绍计算机视觉算法和应用的书籍,作者为微软研究院的:Richard Szeliski 。As humans, we perceive the three-dimensional structure of the world around us with apparent ease. However, despite all of the recent advances in computer vision research, the dream of having a computer interpret an image at the same lev 阅读全文
posted @ 2012-09-29 17:04 Hanson-jun 阅读(644) 评论(1) 推荐(0) 编辑
  2012年9月24日
摘要: 作者:王先荣 本文翻译自维基百科,英文原文地址是:http://en.wikipedia.org/wiki/ransac,如果您英语不错,建议您直接查看原文。 RANSAC是“RANdom SAmple Consensus(随机抽样一致)”的缩写。它可以从一组包含“局外点”的观测数据集中,通过迭代方式估计数学模型的参数。它是一种不确定的算法——它有一定的概率得出一个合理的结果;为了提高概率必须提高迭代次数。该算法最早由Fischler和Bolles于1981年提出。 RANSAC的基本假设是:(1)数据由“局内点”组成,例如:数据的分布可以用一些模型参数来解释;(2)“局外点”是不能适应该模型 阅读全文
posted @ 2012-09-24 13:42 Hanson-jun 阅读(499) 评论(0) 推荐(0) 编辑
  2012年6月13日
摘要: 网上发现一篇不错的文章,是关于图像特征提取的,给自己做的项目有点类似,发出来供大家参考。 特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集,这些子集往往属于孤立的点、连续的曲线或者连续的区域。特征的定义 至今为止特征没有万能和精确的定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分,它是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”:同一场景的不同图像所提取的特征应该是相同的。 特 阅读全文
posted @ 2012-06-13 16:04 Hanson-jun 阅读(568) 评论(0) 推荐(0) 编辑
  2012年6月11日
摘要: 最近在做攀爬机器人夹持器位姿调整的视觉控制部分:1.转角计算。这部分基本效果可用,估计鲁棒性和实时性需要进一步提升。(后面继续提升性能,可参考这里:典型的角度检测算法是进行Hough变换后寻找最长直线的倾斜角度.一般情况 下,待处理图象中未必有明显的较长直线.甚至存在一些对图像进行正确检测的长直线干扰 文 章介绍了一种基于统计考虑的数据分析思路,以期在基于Hough变换的角度检测算法上取得更高 的准确性。-文献:基于Hough变换的车牌倾斜检测算法.pdf) 实验过程:问题确定后,经过一天半的方法论证,实验了几十种方法,在这个过程中也顺便熟悉了很多图像处理环节的知识。基于纹理的效果不错,但是计 阅读全文
posted @ 2012-06-11 11:42 Hanson-jun 阅读(259) 评论(0) 推荐(1) 编辑
  2012年5月25日
摘要: 基线这个概念一般是伴随立体像对提出的,它是指两个相机摄影中心的连线。通俗的讲,窄基线就是两个相机的视差比较小,获得的立体像对中的两幅图像看起来相差不大;宽基线就是指两个相机的视差比较大,获得的立体像对中的两幅图像看起来相差很大。所以说宽基线立体像对匹配比窄基线立体像对匹配困难。基线的本意是指立体视觉系统中两摄像机光心之间的距离。依据拍摄两幅图 像的视点位置关系可将对应点匹配问题分为宽基线(Wide Baseline)和窄基线匹配(Short Baseline)。宽基线一词用于匹配时,泛指两幅图像有明显不同的情况下的匹配。产生这种情况的原因有可能为摄像机之间的位置相差很大,也有可能由于摄像机旋转 阅读全文
posted @ 2012-05-25 23:16 Hanson-jun 阅读(671) 评论(0) 推荐(0) 编辑
  2012年5月21日
摘要: 咱们国家航天之父钱学森,当年的博士论文。这是一个非常好的资料,建议大家,不要仅沉迷于软件模拟,把流体运动的本质理论搞懂才是硬道理。Problems in motion of compressible fluids and reaction propulsion .part1.rarProblems in motion of compressible fluids and reaction propulsion .part2.rar 阅读全文
posted @ 2012-05-21 22:59 Hanson-jun 阅读(727) 评论(0) 推荐(0) 编辑
摘要: 作机器视觉和图像处理方面的研究工作,最重要的两个问题:其一是要把握住国际上最前沿的内容;其二是所作工作要具备很高的实用背景。解决第一个问题的办法就是找出这个方向公认最高成就的几个超级专家(看看他们都在作什么)和最权威的出版物(阅读上面最新的文献),解决第二个问题的办法是你最好能够找到一个实际应用的项目,边做边写文章。 做好这几点的途径之一就是利用网络资源,利用权威网站和专家们的个人主页。依照下面目录整理:研究群体(国际国内)专家主页前沿国际国内期刊与会议搜索资源GPL软件资源一、研究群体用来搜索国际知名计算机视觉研究组(CV Groups):国际计算机视觉研究组清单http://peipa.e 阅读全文
posted @ 2012-05-21 22:36 Hanson-jun 阅读(704) 评论(0) 推荐(0) 编辑
摘要: 在图像处理里面,偏微分主要体现在能量极小化上面,而这种极小化泛函往往包含变量的微分,所以只要掌握Euler-Lagrange方程就可以知道其演化方程了,而这个方程就是极小化能量泛函的解。辅以梯度下降法之类的迭代策略,和离散差分的实现,就可以在计算机上实现编程。 那么研究者是怎样找到这样的泛函呢?关于偏微分方程或微分几何的书(国外的教材)会有所涉及。自牛顿经典力学建立以来,人们发现现实世界中的相当多的模型适于用包含某个(或多个)变量的微分形式的等式来描述,在学习高数的时候所谓的微元法,其实就是这个东西。微元法加上一些物理定律(如热力学定律)就可以建立模型了,这些模型就是常微分方程(关于一个变量的 阅读全文
posted @ 2012-05-21 22:25 Hanson-jun 阅读(779) 评论(0) 推荐(1) 编辑