图像处理-机器学习-SLAM基础知识汇集（更新中）
--by zxg519 at sina.com
--by zxg519 at sina.com
| 1.适用于机器学习的矩阵求导推导技巧 |
1.矩阵求导术（上）-- 非常好
2.矩阵求导术（下）-- 非常好
3.维基百科矩阵求导
4.矩阵求导（英文版）
5.机器学习中的矩阵求导（微盘资源，极好！！！）
6.公式列表（注意，本文第四个公式错误，错误很多）
| 2.图像基础 |
1.图像增强
2.白平衡
3.霍夫变换
4.伽马校正
5.颜色空间
6.OpenCV之图像平滑处理
7. 何谓补色
8. 图像分辨率
9. 高斯滤波及其加速 **
10.形态学变换
11.YCbCr空间中进行色彩调整的方法
12.灰度变换和空域滤波
13.图像分割
14.系统学习数字图像处理之形态学分析补充（灰度级处理）
15.系统学习数字图像处理之描绘子**
16.图像压缩
17.OpenCV系统学习************
18.关于OpenCV使用遇到的问题集（多数为转载）**
19.常用的图像特征
| 3.系统学习机器学习 |
1.系统学习机器学习之距离的度量（一）--常见距离
2.系统学习机器学习之半参数方法
3.系统学习机器学习之非参数方法
4.系统学习机器学习之参数方法（一）
5.系统学习机器学习之参数方法（二）
6.系统学习机器学习之参数方法（三）
7.系统学习机器学习之误差理论
8.系统学习机器学习之线性判别式（一）
9.系统学习机器学习之线性判别式（二）
10.系统学习机器学习之正则化（一）
11.系统学习机器学习之正则化（二）
12.系统学习机器学习之决策树
13.系统学习机器学习之SVM(一)
14.系统学习机器学习之SVM(二)
15.系统学习机器学习之SVM(三)--Liblinear,LibSVM使用整理，总结
16.系统学习机器学习之SVM(四)--SVM算法总结
17.系统学习机器学习之维度归约
18.系统学习机器学习之神经网络（一）--MLP及局部模型,RBF综述
19.系统学习机器学习之监督学习
20.系统学习机器学习之模型诊断与调试
21.系统学习机器学习之增强学习(未完待续)
22.系统学习机器学习之系统认识
23.系统学习机器学习之随机场(一)--HMM
24.系统学习机器学习之组合多分类器
25.系统学习机器学习之算法评估
26.SVM学习总结***
| 4.机器学习（未完） |
机器学习（一）综述
机器学习（二）-决策树
| 5.机器学习 |
0.机器学习之零：机器学习十大经典算法
1.机器学习之一：logistic回归分析(含Matlab代码)
2.机器学习之二：K-近邻算法（KNN）
3.机器学习之三：贝叶斯分类器
4.机器学习之四：SVM简介
5.机器学习之五：随机森林算法及其Python实现
6.机器学习之六：神经网络
7.有趣的机器学习：最简明入门指南
| 6.神经网络学习笔记 |
0.神经网络学习笔记（〇）：神经网络的理解（MLP RBF RBM DBN DBM CNN 整理学习）
1.神经网络学习笔记（一）
2.神经网络学习笔记（二）
3.神经网络学习笔记（三）
4.神经网络学习笔记（四）
5.神经网络学习笔记（五）:感知机
6.神经网络学习笔记（六）:感知机收敛定理
7.神经网络学习笔记（七）：线性回归模型（上）
8.神经网络学习笔记（八）:线性回归模型（下）
9.神经网络学习笔记（九）:多层感知机（上）
10.神经网络学习笔记（十）:多层感知机（中）--BP算法
11.神经网络学习笔记（十一）:多层感知机（下）
12.神经网络学习笔记（十二）:异或问题
13.机器学习--BP神经网络的C++实现（非常简单，但是最容易理解）
14. BP人工神经网络的C++实现
| 7.系统学习机器学习之神经网络 |
1.系统学习机器学习之神经网络（一）--MLP及局部模型,RBF综述
2.系统学习机器学习之神经网络（二） --MLP实现及源码分析
3.系统学习机器学习之神经网络（三）--GA神经网络与小波神经网络WNN
4.系统学习机器学习之神经网络（四） --SOM
5.系统学习机器学习之神经网络（五） --ART
6.系统学习机器学习之神经网络（六） --GrossBerg网络
7.系统学习机器学习之神经网络（七） --CPN
8.系统学习机器学习之神经网络（八） --ADALINE网络
9.系统学习机器学习之神经网络（九） --Hopfield网络
10.系统学习机器学习之神经网络（十） --BAM网络
11.系统学习机器学习之神经网络（十一） --TDNN
12.系统学习机器学习之神经网络（十二） --人工神经网络总结
| 8.Deep Learning（深度学习）学习笔记 |
1.Deep Learning（深度学习）学习笔记整理系列之（一）
2.Deep Learning（深度学习）学习笔记整理系列之（二）
3.Deep Learning（深度学习）学习笔记整理系列之（三）
4.Deep Learning（深度学习）学习笔记整理系列之（四）
5.Deep Learning（深度学习）学习笔记整理系列之（五）
6.Deep Learning（深度学习）学习笔记整理系列之（六）
7.Deep Learning（深度学习）学习笔记整理系列之（七）
8.Deep Learning（深度学习）学习笔记整理系列之（八）
| 9.Deep Learning论文笔记 |
1.Deep Learning论文笔记之（一）K-means特征学习
2.Deep Learning论文笔记之（二）Sparse Filtering稀疏滤波
3.Deep Learning论文笔记之（三）单层非监督学习网络分析
4.Deep Learning论文笔记之（四）CNN卷积神经网络推导和实现
5.Deep Learning论文笔记之（五）CNN卷积神经网络代码理解
6.Deep Learning论文笔记之（六）Multi-Stage多级架构分析
7.Deep Learning论文笔记之（七）深度网络高层特征可视化
8.Deep Learning论文笔记之（八）Deep Learning最新综述 (2013年）
| 10.系统学习深度学习 |
1.系统学习深度学习（一）——深度学习与神经网络关系
2.系统学习深度学习（二）——自编码器，DA算法，SDA，稀疏自编码器
3.系统学习深度学习（三）——RBM及DBN
4.系统学习深度学习（四）——CNN原理，推导及实现源码分析
5.系统学习深度学习（五）——递归神经网络原理，实现及应用
6.系统学习深度学习（六）——LSTM总结
7.系统学习深度学习（七）——主流深度学习开源框架对比
8.系统学习深度学习（八）——损失函数
9.系统学习深度学习（九）——激活函数总结
10.系统学习深度学习（十）——优化算法
11.系统学习深度学习（十一）——dropout, dropconect
12.系统学习深度学习（十二）——池化
13.系统学习深度学习（十三）——Batch Normalization
14.系统学习深度学习（十四）——权重初始化Xavier
15.系统学习深度学习（十五）——AlexNet译文
16.系统学习深度学习（十六）——Overfeat
17.系统学习深度学习（十七）——VGG模型
18.系统学习深度学习（十八）——NIN模型
19.系统学习深度学习（十九）——GoogLeNetV1,V2,V3
20.系统学习深度学习（二十）——ResNet,DenseNet,以及残差家族
21.系统学习深度学习（二十一）——GoogLeNetV4与Inception-ResNet V1,V2
22.系统学习深度学习（二十二）——CNN经典模型总结
23.系统学习深度学习（二十三）——SqueezeNet
24.系统学习深度学习（二十四）——WRN
25.系统学习深度学习（二十五）——CNN调优总结
26.系统学习深度学习（二十六）——R-CNN
27.系统学习深度学习（二十七）——SPPNet
28.系统学习深度学习（二十八）——Fast R-CNN
29.系统学习深度学习（二十九）——Faster R-CNN
30.系统学习深度学习（三十）——BiLSTM
31.系统学习深度学习（三十一）——CTC
32.系统学习深度学习（三十二）——YOLOs
33.系统学习深度学习（三十三）——SSD
34.系统学习深度学习（三十四）——ConvNets目标检测概述
35． 系统学习深度学习（三十五）——DenseBox
36.系统学习深度学习（三十六）——G-CNN
37.系统学习深度学习（三十七）——MultiPathNet
38.系统学习深度学习（三十八）——CRAFT
39.系统学习深度学习（三十九）——OHEM
40.系统学习深度学习（四十）——MS-CNN
41.系统学习深度学习（四十一）——PAVNet
42.系统学习深度学习（四十二）——FPN
43.系统学习深度学习（四十三）——SoftNMS
44.系统学习深度学习（四十四）——Mask R-CNN
45.系统学习深度学习（四十五）——FCN
| 11.Stanford机器学习笔记 |
1.Stanford机器学习---第一周.监督学习与梯度下降
2.Stanford机器学习---第二周.特征缩放、正规方程
3.Stanford机器学习---第三周.逻辑回归、正则化
4.Stanford机器学习---第四周.神经网络模型
5.Stanford机器学习---第五周.BP神经网络算法
6.Stanford机器学习---第六周.学习曲线、机器学习系统的设计
| 12.Stanford机器学习笔记（2） |
1.Stanford机器学习笔记-1.线性回归
2.Stanford机器学习笔记-2.Logistic Regression
3.Stanford机器学习笔记-3.Bayesian statistics and Regularization
4.Stanford机器学习笔记-4. 神经网络Neural Networks (part one)
5.Stanford机器学习笔记-5.神经网络Neural Networks (part two)
6.Stanford机器学习笔记-6. 学习模型的评估和选择
7.Stanford机器学习笔记-7. Machine Learning System Design
8.Stanford机器学习笔记-8. 支持向量机(SVMs)概述
9.Stanford机器学习笔记-9. 聚类(Clustering)
10.Stanford机器学习笔记-10. 降维(Dimensionality Reduction)
| 13.图像基本算法 |
1.图像算法之一：Randon变换
2.图像算法之二：特征提取算法系列之Harris
3.图像算法之三：特征提取算子之SIFT
4.图像算法之四：特征提取算法之SURF
5.图像算法之五：特征提取算法之HOG
6.图像算法之六：特征提取算法之LoG
7.图像算法之七：特征提取算法之LBP
8.图像算法之八：特征提取算法之Haar
9.图像算法之九：混合高斯模型GMM
10.图像算法之十：图像金字塔
11.图像算法之十一：双边滤波
12.图像算法之十二：非局部均值滤波及其Matlab实现
| 14.TensorFlow架构与设计 |
1.TensorFlow架构与设计：概述
2.TensorFlow架构与设计：编程模型
3.TensorFlow架构与设计：会话生命周期
4.TensorFlow架构与设计：图模块
5.TensorFlow架构与设计：OP本质论
6.如何理解TensorFlow中的batch和minibatch
7.Tensorflow 代码解析
8.TensorFlow 学习资料
| 15.前景检测算法 |
1、前景检测算法（一）--综述
2、前景检测算法（二）--codebook和平均背景法
3、前景检测算法（三）--帧差法
4、前景检测算法（四）--GMM
5、前景检测算法（五）--GMM，GMM2，GMG
6、前景检测算法（六）--平均背景原理
7、前景检测算法（七）--ViBe算法
8、前景检测算法（八）--SACON算法
9、前景检测算法（九）--PBAS算法
10、前景检测算法（十）--SOBS算法
11、前景检测算法（十一）--基于LBP纹理
12、前景检测算法（十二）--基于模糊Choquet积分
13、前景检测算法（十三）--KDE2000
14、前景检测算法（十四）--SuBSENSE算法
15、前景检测算法（十五）--LOBSTER算法
16、前景检测算法（十六）--背景减除结束篇
17、前景检测算法（十七）--基于光流算法
| 16.人脸识别之人脸检测 |
1、人脸识别--人脸识别技术综述
2、人脸识别之人脸检测（一）--综述
3、人脸识别之人脸检测（二）--人脸识别样本制作及训练测试
4、人脸识别之人脸检测（三）--Haar特征原理及实现
5、人脸识别之人脸检测（四）--CART原理及实现
6、人脸识别之人脸检测（五）--adaboost总结，整理
7、人脸识别之人脸检测（六）--haar分类器代码理解
8、人脸识别之人脸检测（七）--LBP特征原理及实现
9、人脸识别之人脸检测（八）--HOG特征原理及实现
10、人脸识别之人脸检测（九）--检测器源码分析
11、人脸识别之人脸检测（十）--强分类器源码分析
12、人脸识别之人脸检测（十一）--JDA算法
13、人脸识别之人脸对齐（一）--定义及作用
14、人脸识别之人脸对齐（二）--ASM算法
15、人脸识别之人脸对齐（三）--AAM算法
16、人脸识别之人脸对齐（四）--CLM算法及概率图模型改进
17、人脸识别之人脸对齐（五）--ESR算法
| 17.相机模型与标定 |
1.相机模型与标定（一）--相机标定概述
2.相机模型与标定（二）--相机模型
3.相机模型与标定（三）--张正友标定
4.相机模型与标定（四）--opencv单目标定例子使用说明
5.相机模型与标定（五）--opencv棋盘格角点检测算法
6.相机模型与标定（六）--单应性求解
7.相机模型与标定（七）--LM算法在相机标定中的使用
8.相机模型与标定（八）--传统相机标定算法简介
9.相机模型与标定（九）--LM算法
10.相机模型与标定（十）--RANSAC算法
11.相机模型与标定（十一）--LMEDS，M估计，RANSAC估计对比
12.相机模型与标定（十二）--opencv圆形标志点检测算法
13.相机模型与标定（十三）--鱼眼相机标定
14.相机模型与标定（十四）--误差分析
| 18.双目测距 |
1.双目测距（一）--图像获取与单目标定
2.双目测距（二）--双目标定与矫正
3.双目测距（三）--立体匹配
4.双目测距（四）--罗德里格斯变换
5.双目测距（五）--匹配算法对比
6.双目测距（六）--三维重建及UI显示
1.相机姿态估计（一）--PnP
2.相机姿态估计（二）--单目POSIT算法
3.相机姿态估计（三）--P3P
| 19.图像形状特征 |
1.图像形状特征（一）--FD
2.图像形状特征（二）--Hu距
3.图像形状特征（三）--链码及形状数
4.图像形状特征（四）--轮廓树及PGH
5.图像形状特征（五）--自由式变形模板
6.图像形状特征（六）--AR模型形状描述子
7.图像形状特征（七）--Zernike矩
8.图像形状特征（八）--SC形状上下文
| 20.图像局部特征 |
1.图像局部特征（一）-- 概述
2.图像局部特征（二）-- Harris角点检测子
3.图像局部特征（三）-- FAST角点检测子
4.图像局部特征（四）-- FAST-ER角点检测子
5、图像局部特征（五）-- 斑点检测之SIFT算法原理总结
6.图像局部特征（六）-- 斑点检测之SIFT算法原理总结补充
7.图像局部特征（七）-- SURF原理总结
8.图像局部特征（八）-- 斑点检测子SIFT/SURF区别总结
9.图像局部特征（九）-- 斑点检测LOG算子
10.图像局部特征（十）-- BRIEF描述子
11.图像局部特征（十一）-- ORB描述子
12.图像局部特征（十二）-- BRISK特征
13.图像局部特征（十三）-- FREAK特征
14.图像局部特征（十四）-- MSER特征
15.图像局部特征（十五）-- MSCR
16.图像局部特征（十六）-- SimpleBlobDetector
17.图像局部特征（十七）-- DenseFeature
18.图像局部特征（十八）-- BOW
| 21.目标检测 |
1.目标检测（一）--Objectness算法总体理解，整理及总结
2.目标检测（二）--Hough Forests for Object Detection
3.目标检测（三）--DPM
4.目标检测（四）--ICF
手势识别（一）--手势基本概念和ChaLearn Gesture Challenge
手势识别（二）--单目手势识别算法总结
1.二维物体形状识别方法（一）
2.二维物体形状识别方法（二）
| 22.全景视频拼接 |
1.全景视频拼接(一)--关键技术流程
2.全景视频拼接(二)--OpenCV源码解析
3.全景视频拼接(三)--并查集法及源码分析
| 23.SLAM |
关于SLAM的系列很有价值的网文（此链接包含了下面的所有链接）
1.半闲居士：视觉SLAM中的数学基础 第一篇 3D空间的位置表示
2.半闲居士：视觉SLAM中的数学基础 第二篇 四元数
3.半闲居士：视觉SLAM中的数学基础 第三篇 李群与李代数
4.高翔博士：SLAM第一篇：基础知识
5.高翔博士：SLAM第二篇：视觉里程计
6.半闲居士：视觉SLAM漫淡（一）：基本概念与解决思路
7.半闲居士：视觉SLAM漫谈（二）:图优化理论与g2o的使用
8.清华大学王波老师：实时SLAM的未来
9.Orb_SLAM：1 ORB特征
10.Orb_SLAM：2 如何使用
11.Orb_SLAM：3 ROS下使用
12. 西安塔斯机器人科技有限公司：从大脑空间认知到机器人建图与导航（机器人极客大会演讲报告）
13. 史话机器人操作系统ROS
14.无人机可以做什么？——三维地图绘制
15.视觉导航开发计划（讨论稿）
16.如何简单形象又有趣地讲解神经网络是什么？
17.如何看待谷歌在10月6日开源的SLAM算法cartographer？
18. 快速了解 Robot Operating System（ROS） 机器人操作系统
19.关于ROS学习的一些反思by古月
20.机器人操作系统ROS Indigo 入门学习（1）-(15)
21. robotsming@gmail.com:LSD-SLAM深入学习（1）-基本介绍与ros下的安装
22. robotsming@gmail.com: LSD-SLAM深入学习（2）-算法解析
23.robotsming@gmail.com: LSD-SLAM深入学习（3）-代码解析
24. robotsming@gmail.com: LSD-SLAM深入学习（4）-非ROS改造
25. ubuntu12.04+fuerte 下跑通lsd-slam——数据集
26. ubuntu12.04+fuerte 下跑通lsd-slam——使用usb摄像头
27.ROS实时采集Android的图像和IMU数据
28. SLAM的一点认识
29.半闲居士的博客
30.半闲居士：视觉SLAM漫谈 (三): 研究点介绍
31.SLAM的一点认识
32. Windows 下配置lsd_slam环境
Last updated on 2017-09-23 20:43:31
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
