<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[grunt1223的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/grunt1223</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; grunt1223]]></copyright><item><title><![CDATA[换乘五种交通工具上下班]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83938705</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83938705</guid><author>grunt1223</author><pubDate>Tue, 31 May 2011 11:41:02 +0800</pubDate><description><![CDATA[“分秒必争，利用好时间，就没什么问题。”这是“八十天环游地球”一书主人公福格先生一句自信的话。八十天环游地球，在没有飞机的情况下，你一定认为这很荒谬，但是福格先生做到了。

先介绍一下起点与终点。我所居住的地方在余杭区临平东海水景城，工作的地方在滨兴路长河路口，不走高速的话，两者的路程大约是40公里。如果开车的话，正常情况下大约也需要一个小时，如果遇到事故堵车的话，时间会更长。

我每天的...]]></description><category></category></item><item><title><![CDATA[使用opencv作物件识别（一） —— 积分直方图加速HOG特征计算]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83911195</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83911195</guid><author>grunt1223</author><pubDate>Tue, 26 Apr 2011 09:45:07 +0800</pubDate><description><![CDATA[方向梯度直方图（Histograms of Oriented Gradients，简称HOG特征）结合支持向量机（ support vector machine， 简称SVM），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。

积分直方图可以用于快速计算原始图像矩形区域内的HOG特征。积分直方图的概念类似与viola和jones在脸部识别中所用的积分图像。

下面的代码给出了，...]]></description><category></category></item><item><title><![CDATA[2011年工作规划]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83908961</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83908961</guid><author>grunt1223</author><pubDate>Thu, 21 Apr 2011 21:41:21 +0800</pubDate><description><![CDATA[目前公司的打算是组建在原本的中文算法、英文算法的基础上，增建一个基础算法组，主要处理语言无关的算法设计，就目前来看，即图形识别技术在互联网上的应用，目前正式的人员是三个研发工程师，另外还有两个实习生。

2011年的主要工作包括：
[list]
[*]商标识别技术以及侵权商品识别
[*]反黄图片引擎
[*]图片自动分类
[*]手机拍照搜索
[/list]
关于这方面的商业需求，深...]]></description><category></category></item><item><title><![CDATA[【翻译】Seeing With OpenCV - Part 1: Introduction to OpenCV]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83907137</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83907137</guid><author>grunt1223</author><pubDate>Tue, 19 Apr 2011 14:24:19 +0800</pubDate><description><![CDATA[本文翻译自Robin Hewitt的《Seeing With OpenCV - A Five-Part Series》。

正如标题所表达的那样，通过连载的五篇文章，我们将通过step by step的方式，实现一个人脸识别的程序，即从原始图片中检测脸部，并通过某种算法从样本库中筛选近似的肖像加以匹配，这是相当有用&amp;有趣的应用。

这是本系列的第一章，主要介绍OpenCV及其一些简单用法。...]]></description><category></category></item><item><title><![CDATA[我的数学之美（三） —— 使用支持向量机进行预测]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83887747</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83887747</guid><author>grunt1223</author><pubDate>Sat, 09 Apr 2011 18:20:06 +0800</pubDate><description><![CDATA[现实生活中充满着预测问题，即对未知世界的大胆猜测。我们基于什么根据来推测呢？最多的当然是已有的经验，即之前所做的一些已知结果的推测，这就是所谓的“有监督的学习”。

这里，我举一个最简单的例子，就是公务员考试中那种最常见的数字推理题：1,4,9,16,?

当然，你一眼就看出了这是一个平方序列，下一个数字一定是25，但是，这是唯一的答案吗？

应该说，平方序列只是一个模型，比方说，我们...]]></description><category></category></item><item><title><![CDATA[非主流推理日剧《圈-套 TRICK》—— 日剧推荐]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83887184</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83887184</guid><author>grunt1223</author><pubDate>Fri, 08 Apr 2011 15:50:39 +0800</pubDate><description><![CDATA[《射雕英雄传》教会了我一句话：“侠之大者，为国为民”，但如果反过来呢？

刁蛮小民耍尽手段骗得的不过是区区钱财，而倘若一个社会连政府都整日想方设法利用政策剥夺老百姓的养老钱、医疗费、学费，甚至于你几乎被那种种条款搞得云里雾里不知东西，乖乖掏钱还一副感恩戴德的心情，用“圈套”这个词真是非常恰如其分，譬如我每月的所得税，究竟是用去支援四川灾区了呢，还是成为酒桌上的半瓶茅台呢？一个国家的良心已经坏掉...]]></description><category></category></item><item><title><![CDATA[一个运用SVM进行回归的例子]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83887010</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83887010</guid><author>grunt1223</author><pubDate>Fri, 08 Apr 2011 11:29:43 +0800</pubDate><description><![CDATA[[code=&quot;java&quot;]#include &quot;cv.h&quot;
#include &quot;highgui.h&quot;
#include &quot;ml.h&quot;
#include 
#include 
#include 
using namespace std;


//以下例子用来拟合正弦曲线

int main(int argc, char **argv)
{
   int num_train =...]]></description><category></category></item><item><title><![CDATA[黄色-图片识别引擎]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83884892</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83884892</guid><author>grunt1223</author><pubDate>Mon, 04 Apr 2011 16:45:01 +0800</pubDate><description><![CDATA[黄色-图片自动识别是一个涉及到图像处理、模式识别、机器学习、统计概率的综合领域，其关键技术包括：皮肤检测、人脸检测、连通区域分析、贝叶斯分类、支持向量机等等

关于绿-坝是如何实现的，我一直很感兴趣。我这边也有一些相关的工作心得，拿出来与大家分享一下。

[b]第一步是皮肤检测。[/b]
肤色检测并不像我们想象那样简单，要做到不同光照下的肤色识别，并不是只要指定一个所谓的“肉色”的RGB...]]></description><category></category></item><item><title><![CDATA[黄色-图片识别引擎的一些心得]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83884248</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83884248</guid><author>grunt1223</author><pubDate>Sat, 02 Apr 2011 17:49:44 +0800</pubDate><description><![CDATA[黄色-图片自动识别是一个涉及到图像处理、模式识别、机器学习、统计概率的综合领域，其关键技术包括：皮肤检测、人脸检测、连通区域分析、贝叶斯分类、支持向量机等等

[b]第一步是皮肤检测。[/b]
肤色检测并不像我们想象那样简单，要做到不同光照下的肤色识别，并不是只要指定一个所谓的“肉色”的RGB区域那么容易。一般采用转换到HSV色彩空间+变换的方式获得概率模型。
我在获得概率模型之后，用一个...]]></description><category></category></item><item><title><![CDATA[红警3的雷人结局 —— 你选哪个？]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83878955</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83878955</guid><author>grunt1223</author><pubDate>Fri, 25 Mar 2011 17:59:32 +0800</pubDate><description><![CDATA[我发现EA的游戏越来越对程序员/宅男的胃口了，呵呵……
回想第一次打红警，好像是初中的时候了

[img]http://dl.iteye.com/upload/attachment/447088/006da966-1574-3095-8b34-7e26731f27c3.jpg[/img]

[img]http://dl.iteye.com/upload/attachment/447090...]]></description><category></category></item><item><title><![CDATA[使用标签云扩展自己的应用]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83877469</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83877469</guid><author>grunt1223</author><pubDate>Wed, 23 Mar 2011 21:50:25 +0800</pubDate><description><![CDATA[标签云或文字云是关键词的视觉化描述，用于汇总用户生成的标签或一个网站的文字内容。标签一般是独立的词汇，常常按字母顺序排列，其重要程度又能通过改变字体大小或颜色来表现。所以标签云可以灵活地依照字序或热门程度来检索一个标签。大多数标签本身就是超级链接，直接指向与标签相联的一系列条目。

互联网标签云（Tag Cloud）的概念最早由Stewart Butterfield在《Make a Flick...]]></description><category></category></item><item><title><![CDATA[Pascal VOC Challenge —— 图像识别与物件分类的挑战]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83876356</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83876356</guid><author>grunt1223</author><pubDate>Tue, 22 Mar 2011 13:35:32 +0800</pubDate><description><![CDATA[在计算视觉的领域中，Pascal VOC Challenge 就好比是数学中的哥德巴赫猜想一样。Pascal的全称是Pattern Analysis, Statical Modeling and Computational Learning。每年，该组织都会提供一系列类别的、带标签的图片，挑战者通过设计各种精妙的算法，仅根据分析图片内容来将其分类，最终通过准确率、召回率、效率来一决高下。

这...]]></description><category></category></item><item><title><![CDATA[深入浅出Lucene Analyzer]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83875490</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83875490</guid><author>grunt1223</author><pubDate>Mon, 21 Mar 2011 13:15:29 +0800</pubDate><description><![CDATA[Analyzer，或者说文本分析的过程，实质上是将输入文本转化为文本特征向量的过程。这里所说的文本特征，可以是词或者是短语。它主要包括以下四个步骤：
[list]
[*]分词，将文本解析为单词或短语
[*]归一化，将文本转化为小写
[*]停用词处理，去除一些常用的、无意义的词
[*]提取词干，解决单复数、时态语态等问题
[/list]

Lucene Analyzer包含两个核心组...]]></description><category></category></item><item><title><![CDATA[我的数学之美系列二  —— simhash与重复信息识别]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83872865</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83872865</guid><author>grunt1223</author><pubDate>Wed, 16 Mar 2011 18:09:14 +0800</pubDate><description><![CDATA[在工作学习中，我往往感叹数学奇迹般的解决一些貌似不可能完成的任务，并且十分希望将这种喜悦分享给大家，就好比说：“老婆，出来看上帝”……

随着信息爆炸时代的来临，互联网上充斥着着大量的近重复信息，有效地识别它们是一个很有意义的课题。例如，对于搜索引擎的爬虫系统来说，收录重复的网页是毫无意义的，只会造成存储和计算资源的浪费；同时，展示重复的信息对于用户来说也并不是最好的体验。造成网页近重复的可能...]]></description><category></category></item><item><title><![CDATA[我的数学之美系列一 真理有时可能变得黯淡 —— RANSAC算法与模型纠错]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83855151</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83855151</guid><author>grunt1223</author><pubDate>Mon, 14 Mar 2011 13:00:29 +0800</pubDate><description><![CDATA[当程序与数学结合时，才是最美的，记得当初看到Google黑板报《数学之美》时，就有这种感觉。我的技术、文笔或许不如他们，但我只想展现我自己的数学之美 :lol: 

给定两个点p1与p2的坐标，确定这两点所构成的直线，要求对于输入的任意点p3，都可以判断它是否在该直线上。初中解析几何知识告诉我们，判断一个点在直线上，只需其与直线上任意两点点斜率都相同即可。实际操作当中，往往会先根据已知的两点算...]]></description><category></category></item><item><title><![CDATA[我的数学之美（一）——RANSAC算法详解]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83855143</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83855143</guid><author>grunt1223</author><pubDate>Mon, 14 Mar 2011 12:53:40 +0800</pubDate><description><![CDATA[给定两个点p1与p2的坐标，确定这两点所构成的直线，要求对于输入的任意点p3，都可以判断它是否在该直线上。初中解析几何知识告诉我们，判断一个点在直线上，只需其与直线上任意两点点斜率都相同即可。实际操作当中，往往会先根据已知的两点算出直线的表达式（点斜式、截距式等等），然后通过向量计算即可方便地判断p3是否在该直线上。

生产实践中的数据往往会有一定的偏差。例如我们知道两个变量X与Y之间呈线性关...]]></description><category></category></item><item><title><![CDATA[JAVA网络爬虫的实现]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83852119</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83852119</guid><author>grunt1223</author><pubDate>Tue, 08 Mar 2011 22:24:45 +0800</pubDate><description><![CDATA[记得在刚找工作时，隔壁的一位同学在面试时豪言壮语曾实现过网络爬虫，当时的景仰之情犹如滔滔江水连绵不绝。后来，在做图片搜索时，需要大量的测试图片，因此萌生了从Amazon中爬取图书封面图片的想法，从网上也吸取了一些前人的经验，实现了一个简单但足够用的爬虫系统。

网络爬虫是一个自动提取网页的程序，它为搜索引擎从万维网上下载网页，是搜索引擎的重要组成，其基本架构如下图所示：

[img]htt...]]></description><category></category></item><item><title><![CDATA[JAVA实现的Locality Sensitive Hash]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83850979</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83850979</guid><author>grunt1223</author><pubDate>Mon, 07 Mar 2011 11:36:12 +0800</pubDate><description><![CDATA[我在之前的博客已大致介绍了LSH的原理及其的适用场景，有兴趣的朋友可以移步至
[url]http://grunt1223.iteye.com/blog/937600[/url]

这里我给出它的具体实现及实验效果：

[code=&quot;java&quot;]
private int dimention; //维度大小，例如对于sift特征来说就是128
private int max; //所需向...]]></description><category></category></item><item><title><![CDATA[LinkedList陷阱]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83850721</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83850721</guid><author>grunt1223</author><pubDate>Sun, 06 Mar 2011 20:44:32 +0800</pubDate><description><![CDATA[前几天看到一篇文章，里面特意提到了，读取频繁使用ArrayList，增删频繁使用Linkedlist；并且在一个范例中，特意将ArrayList转化为LinkedList以提高末尾插入的效率。而事实上，问题并非如此简单。

ArrayList与LinkedList的异同是我面试较常问的问题。大部分人可能都知道前者基于数组而后者基于链表（能答出双向链表自然更好），并且前者适合读取、后者适合插入删...]]></description><category></category></item><item><title><![CDATA[两张图说明图像搜索原理]]></title><link>https://blog.youkuaiyun.com/grunt1223/article/details/83849478</link><guid>https://blog.youkuaiyun.com/grunt1223/article/details/83849478</guid><author>grunt1223</author><pubDate>Thu, 03 Mar 2011 23:32:12 +0800</pubDate><description><![CDATA[忽然发觉做图像自动分类的人还真不少，今天在网上发现两张猛图

[img]http://dl.iteye.com/upload/attachment/429166/074f340e-6893-36ba-90e4-f20bc908f8b4.png[/img]

[img]http://dl.iteye.com/upload/attachment/429164/99dea463-303e-326...]]></description><category></category></item></channel></rss>