大奥特曼打小怪兽

摘要： 一 包：库单元 假设我们存在两个类名相同的类，如果没有一定的措施对其进行区分，就会无法区别到底使用的是哪一个类。因此java引入了包来进行名字空间管理。 包(类库)包含有一组类，这些类在单一的名字空间之下被组织在了一起。例如在Java的标准发布中有一个工具库，它被组织在java.util名字空间之下 阅读全文

摘要： 信号一般可以划分为确定性信号和随机信号。 确定性信号：能够用确定性图像曲线或数学解析式准确描述的信号；例如单位阶跃信号。 随机信号：不能用明确的数学表达式描述的不遵循确定性的规律的信号；例如机床噪声信号、热噪声信号等实际测量的振动信号往往都是确定性信号和随机信号的组合。 严格意义上来说，在实际测量得 阅读全文

摘要： 在上一节、我们已经介绍了使用HOG和SVM实现目标检测和识别，这一节我们将介绍使用词袋模型BOW和SVM实现目标检测和识别。 一 词袋介绍 词袋模型(Bag-Of-Word)的概念最初不是针对计算机视觉的，但计算机视觉会使用该概念的升级。词袋最早出现在神经语言程序学(NLP)和信息检索(IR)领域， 阅读全文

摘要： 一 机器学习、数据挖掘、深度学习经典博客网站 http://www.cnblogs.com/maybe2030 1. 算法（包括机器学习算法、进化计算、群体智能优化算法等） [Machine Learning] 深度学习中消失的梯度 [Machine Learning] logistic函数和sof 阅读全文

摘要： 在说到人脸检测我们首先会想到利用Harr特征提取和Adaboost分类器进行人脸检测(有兴趣的可以去一看这篇博客第九节、人脸检测之Haar分类器)，其检测效果也是不错的，但是目前人脸检测的应用场景逐渐从室内演变到室外，从单一限定场景发展到广场、车站、地铁口等场景，人脸检测面临的要求越来越高，比如：人 阅读全文

摘要： 其实在深度学习中我们已经介绍了目标检测和目标识别的概念、为了照顾一些没有学过深度学习的童鞋，这里我重新说明一次：目标检测是用来确定图像上某个区域是否有我们要识别的对象，目标识别是用来判断图片上这个对象是什么。识别通常只处理已经检测到对象的区域，例如，人们总是会在已有的人脸图像的区域去识别人脸。 传统 阅读全文

摘要： 在前面的一些小节中，我们已经使用到的图像描述符匹配相关的函数，在OpenCV中主要提供了暴力匹配、以及FLANN匹配函数库。 一 暴力匹配以及优化(交叉匹配、KNN匹配) 暴力匹配即两两匹配。该算法不涉及优化，假设从图片A中提取了$m$个特征描述符，从B图片提取了$n$个特征描述符。对于A中$m$个 阅读全文

摘要： 之前我们已经介绍了SIFT算法，以及SURF算法，但是由于计算速度较慢的原因。人们提出了使用ORB来替代SIFT和SURF。与前两者相比，ORB有更快的速度。ORB在2011年才首次发布。在前面小节中，我们已经提到了ORB算法。ORB算法将基于FAST关键点的技术和基于BRIEF描述符的技术相结合， 阅读全文

摘要： 我们已经知道SIFT算法采用128维的特征描述子，由于描述子用的是浮点数，所以它将会占用512字节的空间。类似的SUFR算法，一般采用64维的描述子，它将占用256字节的空间。如果一幅图像中有1000个特征点，那么SIFT或SURF特征描述子将占用大量的内存空间，对于那些资源紧张的应用，尤其是嵌入式 阅读全文

摘要： 纹理作为一种重要的视觉线索，是图像中普遍存在而又难以描述的特征，图像的纹理特征一般是指图像上地物重复排列造成的灰度值有规则的分布。纹理特征的关键在于纹理特征的提取方法。目前，用于纹理特征提取的方法有很多，最具有代表性的是有基于二阶概率密度的灰度共生矩阵、符合人眼视觉特性的小波变换、纹理谱法以及基于图 阅读全文