Bruce_0712的博客

自动驾驶数据集

EM是我一直想深入学习的算法之一，第一次听说是在NLP课中的HMM那一节，为了解决HMM的参数估计问题，使用了EM算法。在之后的MT中的词对齐中也用到了。在Mitchell的书中也提到EM可以用于贝叶斯网络中。下面主要介绍EM的整个推导过程。1. Jensen不等式 回顾优化理论中的一些概念。设f是定义域为实数的函数，如果对于所有的实数x，，那么f是凸函数。当x是向量时，如果其hessian矩阵H是半正定的（），那么f是凸函数。如果或者，那么称f是严格凸函数。 Jense...

在做幻觉脸时用PCA，好不容易搞明白了原理，却发现溜掉了为什么计算协方差矩阵前要去均值(其实很简单，不要笑我脑残哈)，和同学讨论啊讨论啊，讨论结果只是证明了我们把曾经学过的概率之类的忘的不胜什么了，所有就问了一下Google，很幸运找到了一位很敬业的小伙写的文章，贴出来警示一下自己要有人家这种钻研的精神！源地址：http://www.pinkyway.info/2010/08/31/covariance/今天看论文的时候又看到了协方差矩阵这个破东西，以前看模式分类的时候就特困扰，没想到现在还是.

https://zhuanlan.zhihu.com/p/104901134

https://zhuanlan.zhihu.com/p/74597564

1.图像尺度空间在了解图像特征匹配前，需要清楚，两张照片之所以能匹配得上，是因为其特征点的相似度较高。而寻找图像特征点，我们要先知道一个概念，就是“图像尺度空间”。平时生活中，用人眼去看一张照片时，随着观测距离的增加，图像会逐渐变得模糊。那么计算机在“看”一张照片时，会从不同的“尺度”去观测照片，尺度越大，图像越模糊。那么这里的“尺度”就是二维高斯函数当中的σ值，一张照片与二维高斯函数卷积后得到很多张不同σ值的高斯图像，这就好比你用人眼从不同距离去观测那张照片。所有不同尺度下的图像，构成单.

尺度不变特征变换匹配算法详解ScaleInvariantFeatureTransform(SIFT)JustForFunzdd zddmail@gmail.comor (zddhub@gmail.com)对于初学者，从DavidG.Lowe的论文到实现，有许多鸿沟，本文帮你跨越。如果你学习SIFI得目的是为了做检索，也许OpenSSE更适合你，欢迎使用。1、SIFT综述尺度不变特征转换(Scale-invariantfeaturetransform或SIFT)是一种...

目录sift sift特征简介 sift特征提取步骤 surf surf特征简介 surf特征提取步骤 orb orb特征简介 orb特征提取算法 代码实现 特征提取 特征匹配 总结 附录siftsift特征简介SIFT(Scale-Invariant Feature Transform)特征，即尺度不变特征变换，是一种计算机视觉的特征提取算法，用来侦测与描述图像中的局部性特征。实质上，它是在不同的尺度空间上查找关键点(特征点)，并.

1、HOG特征：方向梯度直方图（HistogramofOrientedGradient,HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以HOG+SVM的思路为主。（1）主要思想：.