潜心

Bag of words模型简介 Bag of words模型最初被用在文本分类中，将文档表示成特征矢量。它的基本思想是假定对于一个文本，忽略其词序和语法、句法，仅仅将其看做是一些词汇的集合，而文本中的每个词汇都是独立的。简单说就是讲每篇文档都看成一个袋子（因为里面装的都是词汇，所以称为词袋，Bag of words即因此而来），然后看这个袋子里装的都是些什么词汇，将其分类。如果文档中猪、马

AP值计算

CV代码合集

FuzzyKMeans算法

颜色特征是在图像检索中应用最为广泛的视觉特征，主要原因在于颜色往往和图像中所包含的物体或场景十分相关。此外，与其他的视觉特征相比，颜色特征对图像本身的尺寸、方向、视角的依赖性较小，从而具有较高的鲁棒性。面向图像检索的颜色特征的表达涉及到若干问题。首先，我们需要选择合适的颜色空间来描述颜色特征；其次，我们要采用一定的量化方法将颜色特征表达为向量的形式；最后，还要定义一种相似度（距离）标准用来衡量图像之

图像卷积的整理

镜头检测的简单算法

基于颜色直方图的图像相似度比较

HOG特征算子

局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍 转载于http://blog.youkuaiyun.com/icvpr/article/details/12342159 本文主要介绍一种用于海量高维数据的近似最近邻快速查找技术——局部敏感哈希(Locality-Sensitive Hashing, LSH)，内容包括了LSH的原理、LSH哈希函数集、以及LSH的一些参

一、局部描述符聚合：非概率的Fisher Kernel 对于视频，每帧的局部描述符{x1,…,xi,…}，在大规模视频搜索中不可能将他们一次都存在内存中，即使每个局部描述符都只需要几比特大小，但是一般来说，每帧都会有数百上千的局部描述符。 因此，我们将这些局部描述符聚合到一个单独的向量中去。我们利用由Perronnin[1]等人引进的Fisher Kernel对于图像表示

TF：term frequency IDF：inverted docoument frequentcy我们先假设一个Query（a b c d），查找的倒排表如下： （a b c d）对应的词频为（1/4 1/3 1/2 1） （1 2 3 4）对应文件ID，（1 2 3 4）文件中含有term数对应为（6 3 7 5）， （1 2 3 4）在倒排表中对应个数为（2 2 3 3）。 投