摘要： 参考 ubuntu16.04+gtx1060+cuda8.0+caffe安装、测试经历 ，细节处有差异。 首先说明，这是在台式机上的安装测试经历，首先安装的win10，然后安装ubuntu16.04双系统，显卡为GTX1060 台式机显示器接的是GTX1060 HDMI口，win10上首先安装了最新 阅读全文

摘要： Dlib是一个机器学习的C++库，包含了许多机器学习常用的算法, 而且文档和例子都非常详细。 安装有点类似于opencv，这里我从官网下载dlib-18.17到D盘 1. cmake转VS工程 这里使用cmake-3.6.1-win64-x64 + VS2013 点击configure，选择 Vis 阅读全文

摘要： 通过前面集成学习的介绍我们知道，欲得到泛化性能强的集成学习器，集成中个体学习器应尽量相互独立；虽然“独立”在现实任务中无法做到，但可以设法使基学习器尽可能具有较大差异。 1. Bagging 自助采样（bootstrap sampling）： 给定包含$m$个样本的数据集，我们有放回地取$m$次放入 阅读全文

摘要： 操作系统： Python版本： pip版本： 源文件： 1. 安装Caffe需要的依赖包： 将caffe-fast-rcnn/python目录下的requirements下的依赖都装一遍： 这里有一个小技巧，因为pip这个工具对应的网络非常的烂，这个时候，可以将其改为国内的镜像网站，速度将提升几个数 阅读全文

摘要： 使用工具 ：VS2013 + OpenCV 3.1 数据集：minst 训练数据：60000张 测试数据：10000张 输出模型：HOG_SVM_DATA.xml 数据准备 train-images-idx3-ubyte.gz: training set images (9912422 bytes) 阅读全文

摘要： 项目来源于 《opencv 3计算机视觉 python语言实现》 整个执行过程如下： 1）获取一个训练数据集。 2）创建BOW训练器并获得视觉词汇。 3）采用词汇训练SVM。 4）尝试对测试图像的图像金字塔采用滑动宽口进行检测。 5）对重叠的矩形使用非极大抑制。 6）输出结果。 该项目的结构如下： 阅读全文

摘要： 1. 神经网络 首先引入一些便于稍后讨论的新标记： $L$：代表神经网络层数$S_l$：代表第$l$层处理单元的个数$K$：代表多分类中类别种数 2. 前向传播（forward propagation） 以上图为例： 令$\textbf{z}^{(2)} = \Theta^{(1)}\textbf{ 阅读全文

摘要： 1. 基本形式 给定由$d$个属性描述的示例 $\textbf{x} =(x_1;x_2;...,x_n)$,其中$x_i$是$x$在第$i$个属性上的取值，线性模型（linear model）试图学习一个通过属性的线性组合来进行预测的函数，即 $f(\textbf{x}) = \theta_0+\ 阅读全文

摘要： 1. 在算法设计中使用策略（Strategy）模式 策略设计模式的目标是将算法封装在类中。因此，可以更容易地替换一个现有的算法，或者组合使用多个算法以拥有更复杂的处理逻辑。此外，该模式将算法的复杂度隐藏在易用的编程接口背后，降低了算法的部署难度。 准备工作 比方说，我们需要构建一个简单的算法，它可以 阅读全文

摘要： 1. 引言 从根本上来说，一张图像是一个由数值组成的矩阵。这也是opencv中使用 cv::Mat 这个数据结构来表示图像的原因。矩阵的每一个元素代表一个像素。对于灰度图像（单通道）而言，像素由8位无符号数来表示，其中0代表黑色，255代表白色。对于彩色图像（BGR三通道）而言，每个像素需要三个这样 阅读全文