striving1234的专栏

一、特征提取Feature Extraction：SIFT [1] [Demo program][SIFT Library] [VLFeat]PCA-SIFT [2] [Project]Affine-SIFT [3] [Project]SURF [4] [OpenSURF] [Matlab Wrapper]Affine Covariant Features [5] [O

github：代码实现本文算法均使用python3实现1. 朴素贝叶斯是什么  依据《统计学方法》上介绍：朴素贝叶斯法（Naive Bayes）是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入xx，利用贝叶斯定理求出后验概率最大的输出yy。  可能读完上面这段话仍旧没...

转载自：http://www.jianshu.com/p/3df039e42986Other API Examples参考文档：https://github.com/tesseract-ocr/tesseract/wiki/APIExample在上一篇中， 我们学习了参考文档中的第一个示例。用CMake构建了工程，并且看了一下例子中调用到的API。在这一篇中，我们继续看一看其它

转载自:http://www.jianshu.com/p/a53c732d8da3Tesseract API Basic Example using CMake Configuration参考文档：https://github.com/tesseract-ocr/tesseract/wiki/APIExampleTesseract提供的API可以在baseapi.h

转载自：http://blog.youkuaiyun.com/ajianyingxiaoqinghan/article/details/73480476本文摘自《libsvm》的GitHub中的README文档。前言LibSVM库的函数和结构体都在头文件 svm.h 中声明，我们需要在 C/C++ 文件中添加语句 #include “svm.h” ，然后就可以将我们的程序链接到 svm.cpp 文

转载自：http://blog.youkuaiyun.com/peaceinmind/article/details/50848128导语LSTM[1]作为RNN的经典模型，已经应用在了很多领域，如语音识别[2],OCR[3,4,16],图像描述[5],手写字识别[6]，翻译[7]，自然语言处理等等。在线手写字识别[11]图像内容描述[5]  1为什

深度学习综述（LeCun、Bengio和Hinton）原文摘要：深度学习可以让那些拥有多个处理层的计算模型来学习具有多层次抽象的数据的表示。这些方法在很多方面都带来了显著的改善，包含最先进的语音识别、视觉对象识别、对象检測和很多其他领域，比如药物发现和基因组学等。深度学习可以发现大数据中的复杂结构。它是利用BP算法来完毕这个发现过程的。BP算法可以指导机器怎样从前一层获

转载自：http://blog.youkuaiyun.com/peaceinmind/article/details/51347679前面的章节已经介绍了提取文本行的方法。本文主要介绍传统的依赖over segmentation过分割,beam search和字符分类器的识别方法。主要参考文献[1]和opencv contribute中text module中的代码[5]。一般情况下我们会通过

转载自：http://blog.youkuaiyun.com/peaceinmind/article/details/503740891导语前两节我们分别解释了字符提取和字符过滤，在这过程中主要有=两个原因需要我们将单个字符组合成一个文字行或者段落之类（如图1）。一个重要的原因是出来不管是由于MSER的原因还是分类器的原因，有些真的字符并没有找出来，比如i和j上面的点等等，当然实际中情况要

转载自：http://blog.youkuaiyun.com/PeaceInMind/article/details/50003319导语在上一章节中我们介绍了怎么在一幅图片中提取潜在的字符(character proposals)。一般情况下基本上都会发生两种不想要的情况。第一种就是有些字符没提取出来，称之为false negative，这个可以通过多通道（如梯度幅值或者其他颜色通道）提取M

转载自：http://blog.youkuaiyun.com/peaceinmind/article/details/49933055导语文字识别在现实场景中的用途非常广泛，现在已经有很多公司将这项技术用于实际中。比如车牌识别，图片转换成文档，拍照搜题，拍照翻译等。这让很多人有了错觉，感觉文字识别的技术已经炉火纯青，可以广泛应用。其实不然，车牌识别里面字体和字的类型比较单一，并且有一些矩形

转载自：http://blog.youkuaiyun.com/peaceinmind/article/details/51387367综述[2015-PAMI-Overview]Text Detection and Recognition in Imagery: A Survey[paper] [2014-Front.Comput.Sci-Overv

1. 关于OpenCV进阶之路前段时间写过一些关于OpenCV基础知识方面的系列文章，主要内容是面向OpenCV初学者，介绍OpenCV中一些常用的函数的接口和调用方法，相关的内容在OpenCV的手册里都有更详细的解释，当时自己也是边学边写，权当为一种笔记的形式，所以难免有浅尝辄止的感觉，现在回头看来，很多地方描述上都存在不足，以后有时间，我会重新考虑每一篇文章，让成长系列对基础操作的介绍更加

PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的原理。这篇文章的目的是介绍PCA的基本数学原理，帮助读者了解PCA的工作机制是什么。当然我并不打算把文章写成

机器学习之logistic回归的梯度上升算法算法背景：一般来说，回归模型一般不用在分类问题上，因为回归是连续型模型，而且受噪声的因素很大，但是，若需要选择，可以选择使用logisti 回归。对数回归本质上是线性回归，只是在特征到结果的映射里加入了一层函数映射，选择g(z)=1/(1+exp（-z）)作为sigmoid函数进行映射，可以将连续值映射到0-1之间。其中g(z)函数的图像如下：...