- 博客(9)
- 收藏
- 关注
RSS订阅转载 LBP特征
来源：http://blog.csdn.net/quincuntial/article/details/50541815一、LBP特征的背景介绍LBP指局部二值模式，英文全称：Local Binary Pattern，是一种用来描述图像局部特征的算子，LBP特征具有灰度不变性和旋转不变性等显著优点。它是由T. Ojala, M.Pietikäinen, 和 D. Harwood [1][2]在19...
2018-07-02 20:09:33
607
转载 SVM -支持向量机原理详解与实践之四
SVM -支持向量机原理详解与实践之四SVM原理分析SMO算法分析SMO即Sequential minmal optimization, 是最快的二次规划的优化算法，特使对线性SVM和稀疏数据性能更优。在正式介绍SMO算法之前，首先要了解坐标上升法。坐标上升法(Coordinate ascent)坐标上升法(Coordinate Ascent)简单点说就是它每次通过更新函数中的一维，通过多次的迭代...
2018-06-23 11:32:33
191
转载 SVM-支持向量机原理详解与实践之三
SVM-支持向量机原理详解与实践之三 SVM原理分析核函数与核技巧什么是核什么是核，核其实就是一种特殊的函数，更确切的说是核技巧（Kernel trick），清楚的明白这一点很重要。为什么说是核技巧呢？回顾到我们的对偶问题： 映射到特征空间后约束条件不变，则为： 在原始特征空间中主要是求，也就是和的内积(Inner Product)，也称数量积(Scalar Product)或是点积(Dot ...
2018-06-23 11:31:48
605
转载 SVM-支持向量机原理详解与实践之二
SVM-支持向量机原理详解与实践之二 SVM原理分析以下内容接上篇。拉格朗日对偶性（Largrange duality）深入分析前面提到了支持向量机的凸优化问题中拉格朗日对偶性的重要性。因为通过应用拉格朗日对偶性我们可以寻找到最优超平面的二次最优化，所以以下可以将寻找最优超平面二次最优化（原问题），总结为以下几个步骤：在原始权重空间的带约束的优化问题。（注意带约束）对优化问题建立拉格朗日函数推导出...
2018-06-23 11:30:45
186
转载 SVM-支持向量机原理详解与实践
SVM-支持向量机原理详解与实践前言去年由于工作项目的需要实际运用到了SVM和ANN算法,也就是支持向量机和人工神经网络算法，主要是实现项目中的实时采集图片（工业高速摄像头采集）的图像识别的这一部分功能，虽然几经波折，但是还好最终还算顺利完成了项目的任务，忙碌一年，趁着放假有时间好好整理并总结一下，本文的内容包括：前面的部分是对支持向量机原理的分析，后半部分主要直接上手的一些实践的内容。本文的原理...
2018-06-23 11:28:43
428
转载 光流法
最近的一个月完成了TLD、CF、Muster等一些算法的学习和整理，由于是在word中整理，不便于再在csdn中编辑，就直接截图发上来了，尽请谅解。（其实还是我自己太懒了，不想再重新编辑一遍了...）如果csdn可以直接发布文档成博客就好了，也希望csdn能够尽快完善这一功能。本文是对光流算法的理解，从光流--LK光流--基于金字塔分层的LK光流--中值流，可以对光流算法的发展和应用有一个大致的了...
2018-06-20 13:27:21
614
转载 Harris检测
Harris角点算法特征点检测广泛应用到目标匹配、目标跟踪、三维重建等应用中，在进行目标建模时会对图像进行目标特征的提取，常用的有颜色、角点、特征点、轮廓、纹理等特征。现在开始讲解常用的特征点检测，其中Harris角点检测是特征点检测的基础，提出了应用邻近像素点灰度差值概念，从而进行判断是否为角点、边缘、平滑区域。Harris角点检测原理是利用移动的窗口在图像中计算灰度变化值，其中关键流程包括转化...
2018-06-20 09:57:56
720
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人