摘要: 1.判断与名称解释题 a 1.1 数据挖掘:在较大数据集上通过某些方式发现模型的一个过程 1.2 机器学习:研究如何通过计算手段,利用经验提升系统的性能 1.3 假设空间:对于数据集A,其data对应的特征为一个向量,此向量所在的空间称为假设空间 1.4 奥卡姆剃刀:若有多个假设与观测一致,则选择最 阅读全文
posted @ 2019-05-05 20:34 shensobaolibin 阅读(801) 评论(0) 推荐(0)
摘要: 最近Siamese真的是遍地开花 SiameseFC算是Siamese网络的应用了把 SiameseFC是一个全卷积网络,因此他可以输入任意大小的图片 在tracking中我有上一帧的BBOX,我将被跟踪的目标切出来,通过SiameseFC获得特征小图A 对于当前帧,我通过SiameseFC获得特征 阅读全文
posted @ 2019-03-16 16:59 shensobaolibin 阅读(1772) 评论(0) 推荐(0)
摘要: Siamese网络是用来计算相似度的网络 输入:图像,矩阵,向量等 输出:向量 对于两个不同的输入X1, X2获取他们的输出Y1, Y2 通过计算Y1,Y2的欧氏距离或者他们的余弦相似度等方法取获取X1,X2的相似度 这个网络结构还是很清楚的,通过ROI_pooling等方法很容易就可以做到 那么S 阅读全文
posted @ 2019-03-16 14:37 shensobaolibin 阅读(624) 评论(0) 推荐(0)
摘要: 目标跟踪算法过程 输入:Tt-1 t-1时刻的tracklet(跟踪片段) Dt t时刻的预测框集合(带分数) featuret t时刻的特征图 输出:Tt t时刻的tracklet(跟踪片段) 1. 计算Tt-1 与Dt的相似度矩阵At-1 2.利用阈值将Tt-1分为置信度较高的Tt-1 high 阅读全文
posted @ 2019-03-11 15:13 shensobaolibin 阅读(1197) 评论(0) 推荐(0)
摘要: 之前只是知道maxpool是取一个区域内的最大值,却没关心maxpool到底是怎么做的 今天来补一下 网上的例子都是输入为4*4或者8*8等偶数形式的,对于奇数输入的maxpool却没有多少解释 我们这里主要解释奇数形式的maxpool 对于偶数形式,网上已经讲的非常清楚了 对于奇数形式,tenso 阅读全文
posted @ 2019-02-19 20:41 shensobaolibin 阅读(7096) 评论(0) 推荐(1)
摘要: 原文请移步知乎:https://zhuanlan.zhihu.com/p/40960756 python实现: 实现基于python的scikit-image库提供了HOG特征提取的接口: 参数说明:image: input image, 输入图像 orientation: 指定bin的个数. sc 阅读全文
posted @ 2019-02-13 15:53 shensobaolibin 阅读(2034) 评论(0) 推荐(1)
摘要: 有一篇文章写的比较详细,先放在前面 文章链接https://blog.csdn.net/shenxiaolu1984/article/details/51066975 流程: 1.通过选择性搜索算法获取2k个候选区域 2.将候选区域进行合并,获得一些感兴趣区域 3.将感兴趣区域直接resize为一个 阅读全文
posted @ 2019-01-23 18:06 shensobaolibin 阅读(219) 评论(0) 推荐(0)
摘要: 常用的颜色空间分为RGB,HSV,LAB三种 RGB 颜色空间就很简单了,一共颜色是由RGB三种颜色组合而成的 我将这三种颜色的值分为256份, 那么对于一个颜色,我就可以通过(r,g,b)的一个向量去表示 这就是最简单的颜色空间 HSV HSV颜色空间我就转载一下https://www.cnblo 阅读全文
posted @ 2019-01-23 17:54 shensobaolibin 阅读(521) 评论(0) 推荐(0)
摘要: 二分法 这个就很简单了 取区间[x1,x2] f(x1) * f(x2) < 0 那么必定有解在此区间中 取区间中点 xmid 判断f(x1) * f(xmid) 和 f(x2)*f(xmid) 这样就能去掉一半的区间 这样不断迭代下去即可 不动点迭代 将f(x)改写为x = Φ(x) xk+1 = 阅读全文
posted @ 2019-01-14 15:19 shensobaolibin 阅读(1002) 评论(0) 推荐(0)
摘要: 向量范数 向量的二范数就是向量的模 || x ||k = k√ ̄∑| xi | k 当k = ∞时 || x ||∞ = max(xi) 矩阵的范数 || A ||∞ = 最大的,一行绝对值的和 || A ||1 = 最大的,一列绝对值的和 || A ||2 = ( A.T * A)的最大特征值 的 阅读全文
posted @ 2019-01-13 16:38 shensobaolibin 阅读(233) 评论(0) 推荐(0)