Keep Trying, Keep Fighting

关于代价函数的假设： (1) 代价函数可以被写成一个 在每个训练样本 xx上的代价函数CxC_x的均值C=1n∑xCxC=\frac{1}{n}\sum_{x}C_x. 反向传播实际上是对一个独立的训练样本计算了∂Cx∂ω\frac{\partial C_x}{\partial \omega}和∂Cx∂b\frac{\partial C_x}{\partial b}. 然后通过在所有训练样本上进

1：官网https://dato.com/2：百度百科关于GraphLab的介绍http://baike.baidu.com/link?url=HGGXRIgyGaFLciYllDhg9M_zE6Banxr61aNMali8zNtat01i8SZoeQm6vxBXRsRpo_Y1twrLk-JrtbeAbOoAaa3：入门指南http://www.ana

1：TensorFlow:Google开源了TensorFlow，必然是开源深度学习软件中的明星产品https://github.com/tensorflow/tensorflow2：Caffe源自加州伯克利分校，由C++开发，Caffe也是Google今年早些时候发布的DeepDream项目的基础。https://github.com/BV

最近看到不少deep learning的论文与好的资源，将这些收集起来，会持续不断的补充，也欢迎大家提供信息1：华南理工一个硕士的优快云博客，写得不错http://blog.youkuaiyun.com/zouxy09/article/details/99824952：另一个优快云的博客http://blog.youkuaiyun.com/dark_scope/article/de

方法一： 命令行方式输入 uname -m若输出为x86_64，则为64bit; 若输出为i686,则为32bit方法二：System Settings---->Details--->OS type，后面值即可看出是64bit还是32bit。

http://sunju.org/cv-software/

视觉，OpenCV: http://www.aishack.in/topics/tutorials/

http://www.csee.wvu.edu/~xinl/source.html

https://github.com/julycoding/The-Art-Of-Programming-By-JulyJuly csdn blog:  http://blog.youkuaiyun.com/v_JULY_v?viewmode=list

1:到以下网站下载安装（Download mingw-get-setup.exe）： http://sourceforge.net/projects/mingw/files/安装完后，会跳出一个窗口，让你选择要安装的组件,选择mingw32-gcc-g++,右键，Mark for Installation将它勾选起来，左上角Installation选择Apply Change就会开始安装c/c++

1 : filesep   Directory separator for this platform.    F = filesep returns the file separator character for this platform.    The file separator is the character that separates    directory names in

有些时候，我们得到的源代码中，只有一些.h和.cpp等文件，并没有.pro文件，这就造成了没法在visual studio中打开pro工程文件。当然，可以手动编写pro文件，但是当文件比较多时，会比较费劲，因为寻找一种更为方便的方法。(1):方法1在安装了qt opensource后（本人安装的是qt-win-opensource-4.8.0-vs2010.exe），在开始菜单中找到Qt by N

System：Mac OS X 10.8.5Software version：Matlab R2013a + XCode 5.01: install command line tools.2：In the MATLAB Command Window, execute the following commands:cd(matlabroot)cd binedit mexopts.sh2. Sa

1 : What is it?Cygwin is:a collection of tools which provide a Linux look and feel environment for Windows.a DLL (cygwin1.dll) which acts as a Linux API layer providing substantial Linux API functiona

The GNU Scientific Library (GSL) is a numerical library for C and C++ programmers. It is free software under the GNU General Public License.The library provides a wide range of mathematical routines s

在Visual Studio 2010的安装目录中（C:\Program Files (x86)\Microsoft Visual Studio 10.0\VC\bin），有一个nmake.exe的可执行文件，在进行某些命令行编译时，会使用到这个文件。以下解释来自百度百科： Microsoft Program Maintenance Utility，外号NMAKE，顾名思义，是用来管理程序的工具。

本文讲述如何在VS2010下重新编译OpenCV2.4.3，本文系统环境为Windows XP SP3，VS2010旗舰版。一：下载1：OpenCV2.4.3，本人已下载好OpenCV-2.4.3.exe http://www.opencv.org.cn/index.php/Download2：下载CMAKE最新版cmake-2.8.10.2-win32-x86.exe http://

LAPACK（Linear Algebra PACKage）库，是用Fortran语言编写的线性代数计算库，包含线性方程组求解（AX=b）、矩阵分解、矩阵求逆、求矩阵特征值、奇异值等。该库用BLAS库做底层运算，许多高层的数学库都用BLAS和LAPACK做底层。BLAS（Basic Linear Algebra Subprograms）库，是用Fortran语言实现的向量和矩阵运算库,是许多数

Project 1: Interactive Image Segmentation with GrabCutInteractive Image Segmentation by Maximal Similarity Based Region MergingGrabCut: Interactive Foreground Extraction using Iterated Graph Cuts

Interactive Image Segmentation Based on Level Sets of Probabilities, TVCG 2012Interactive Image Segmentation via Adaptive Weighted Distances, TIP 2007Interactive Image Segmentation With Multiple Line

看论文时，看到了几篇基于交互的图像分割算法，这里罗列一下，后期有时间时再一一阅读1: Interactive Image Segmentation Based on Level Sets of Probabilities, TVCG 2012.2: Interactive Image Segmentation via Adaptive Weighted Distances, TIP

1 :         Saliency Detection on Light Field        Nianyi Li, Jinwei Ye, Yu Ji, Haibin Ling and Jingyi Yu.        In IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 20

1 : Saliency Region Selection in Large Aerial Imagery using Multi-scale SLIC Segmentation,Proc. SPIE 8360, Airborne Intelligence, Surveillance, Reconnaissance (ISR) Systems and Applications IX, 2012

Rob Fergus, Yair Weiss, Antonio Torralba: Semi-Supervised Learning in Gigantic Image Collections. NIPS 2009: 522-530

基于梯度下降的方法(Gradient descent based algorithms)：1. Watershed,1991.Luc Vincent and Pierre Soille. Watersheds in digital spaces: An ef?cient algorithm based on immersion simulations. IEEE Transactions on P

CVPR2013 Tutorial: Visual Saliency Modeling：http://techtalks.tv/events/315/603/ ECCV2008http://www.cse.yorku.ca/~albertlr/attention_tutorial_eccv2008.htm

1. Borji, A., Sihite, D.N., Itti, L.: Quantitative analysis of human-model agreementin visual saliency modeling: a comparative study. IEEE Trans. Image Processing(2012) 2. Borji, A., Itti, L.: State-o

1. 本文实在10年的ACM MM会议论文的基础上进行扩展的 2. 显著性计算过程：用adaptive mean shift进行超像素分割用平均颜色表示超像素将超像素集合做为GMM的输入，得到K个cluster计算每一个cluster的compatness，并作为cluster的显著性 （假设：背景区域很分散，而对象区域很集中。故cluster的空间分布越是紧密，越显著）对每一个cluter进行P

针对已有的方法中存在的问题：Itti模型，针对Itti模型进行的扩展的显著性检测方法，以及光谱剩余假说系列的方法过分强调小的，局部特征，对对象级别的应用不适合；对图像的全局属性进行建模的方法，虽然能够将整个对象较好地检测出来，但是计算复杂度高；综上找到一种compact并且有效的表示方法很有必要。这样的方法有颜色平均值或亮度平均值表示。但是一阶平均太简单，忽略了颜色的方差以及图像各部分之间的空间关

这是一个UCB做分割做的结果比较早、比较好的分割方法，其工程网站为：http://www.cs.berkeley.edu/~fowlkes/BSE/上面有代码及一些简单的介绍，此代码基于以下三篇文章：（1）： C. Fowlkes, J. Malik. "How Much Does Globalization Help Segmentation?", Technical Report CSD-04

Spectral Grouping Using The Nystrom Method (2004 IEEE)背景：谱聚类算法的大致步骤是，求数据集之间的相似度矩阵，并构造出相似度图，然后求得某种形式上的 Laplacian Matrix（L, Lrw或者Lsym），然后求laplacian matrix的前K个特征向量，随后以k个特征向量组成的矩阵U的前K个行向量作为输入，运行k-means算法，

Video Object Segmentation through Spatially Accurate and Temporally Dense Extraction of Primary Object RegionsDong Zhang1, Omar Javed2, Mubarak Shah11Center for Research in Computer Vision (CRCV)Unive

Machine Learning: 2014-2015，Course materials 这是牛津大学 Nando de Freitas于今年开设的机器学习课程，资料比较齐全，有课程的slides跟video，但是video在youtube上，内地无法访问，因此将资源放到360网盘上。课程网址： https://www.cs.ox.ac.uk/people/nando.defreitas/mac

Digital Image Processing IPurdue University

关于Spectral Graph Theory几个课程的链接1：

最近在做一个sparse representation的model，需要求解一个weighted sparse coding问题，看到这个工具包，可以直接对以下6种问题进行求解：其中，ww表示对L1L1正则的加权，我要做的模型，有一部分进行推导之后，可以最终转化为模型(6)。Official website参考文献 Alternating direction algorithms for L1-

最近感到数学太渣，想慢慢地捡起，从矩阵计算开始，买了一本书：Matrix Computations-4th edition, Gene H. Golub, Charles F. Van Loan，将学习中的体会记录到这里（主要是比较模糊的知识点），目录见下图：今天学习第1章Chapter 1. Matrix Multiplication

1 : Low frequencies in the Fourier transform(frequency domain) are related to slowly varying intensity components in an image

https://class.coursera.org/ntumlone-001/lecture

http://metaoptimize.com/qa/questions/13774/courses-on-deep-learning