<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[free_spring的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/free_spring</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; free_spring]]></copyright><item><title><![CDATA[xx实体.hbm.xml 配置文件的主键生成机制说明]]></title><link>https://blog.youkuaiyun.com/free_spring/article/details/23937177</link><guid>https://blog.youkuaiyun.com/free_spring/article/details/23937177</guid><author>free_spring</author><pubDate>Thu, 17 Apr 2014 15:28:59 +0800</pubDate><description><![CDATA[某个映射文件中的主键生成机制有多种, 在网上看到一些, 摘录如下:




Hibernate主键生成方式 Key Generator主键产生器可选项说明:


1） assigned 主键由外部程序负责生成，无需Hibernate参与。

2） hilo 通过hi/lo 算法实现的主键生成机制，需要额外的数据库表保存主键生成历史状态。

3） seqhilo 与hilo ]]></description><category></category></item><item><title><![CDATA[（摘抄笔记）机器学习算法复习--随机森林]]></title><link>https://blog.youkuaiyun.com/free_spring/article/details/23779045</link><guid>https://blog.youkuaiyun.com/free_spring/article/details/23779045</guid><author>free_spring</author><pubDate>Tue, 15 Apr 2014 18:39:10 +0800</pubDate><description><![CDATA[这里是截取曾经发表的http://www.cnblogs.com/wentingtu/archive/2011/12/13/2286212.html中一些内容

基础内容：

这里只是准备简单谈谈基础的内容，主要参考一下别人的文章，对于随机森林与GBDT，有两个地方比较重要，首先是information gain，其次是决策树。这里特别推荐Andrew Moore大牛的Decision T]]></description><category></category></item><item><title><![CDATA[（摘抄笔记）人脸识别必读的N篇文章]]></title><link>https://blog.youkuaiyun.com/free_spring/article/details/23591779</link><guid>https://blog.youkuaiyun.com/free_spring/article/details/23591779</guid><author>free_spring</author><pubDate>Sun, 13 Apr 2014 10:27:52 +0800</pubDate><description><![CDATA[原文转自：http://blog.sina.com.cn/s/blog_6ae183910101h4jr.html

一，人脸检测/跟踪
人脸检测/跟踪的目的是在图像/视频中找到各个人脸所在的位置和大小；对于跟踪而言，还需要确定帧间不同人脸间的对应关系。
1,Robust Real-time Object Detection. Paul Viola, Michael Jones. IJCV]]></description><category></category></item><item><title><![CDATA[（摘抄笔记）人脸识别经典算法二：LBP方法]]></title><link>https://blog.youkuaiyun.com/free_spring/article/details/23381917</link><guid>https://blog.youkuaiyun.com/free_spring/article/details/23381917</guid><author>free_spring</author><pubDate>Thu, 10 Apr 2014 20:54:33 +0800</pubDate><description><![CDATA[与第一篇博文特征脸方法不同，LBP（Local
 Binary Patterns，局部二值模式）是提取局部特征作为判别依据的。LBP方法显著的优点是对光照不敏感，但是依然没有解决姿态和表情的问题。不过相比于特征脸方法，LBP的识别率已经有了很大的提升。在[1]的文章里，有些人脸库的识别率已经达到了98%+。




1、LBP特征提取

最初的LBP是定义在像素3x3邻域内的，以邻]]></description><category></category></item><item><title><![CDATA[（摘抄笔记） ASM（Active Shape Model）算法介绍]]></title><link>https://blog.youkuaiyun.com/free_spring/article/details/23381701</link><guid>https://blog.youkuaiyun.com/free_spring/article/details/23381701</guid><author>free_spring</author><pubDate>Thu, 10 Apr 2014 20:52:42 +0800</pubDate><description><![CDATA[ASM是一种基于点分布模型（Point Distribution Model, PDM）的算法。在PDM中，外形相似的物体，例如人脸、人手、心脏、肺部等的几何形状可以通过若干关键特征点（landmarks）的坐标依次串联形成一个形状向量来表示。本文就以人脸为例来介绍该算法的基本原理和方法。首先给出一个标定好68个关键特征点的人脸面部图片，如下所示：]]></description><category></category></item></channel></rss>