<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[twnming的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/twnming</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; twnming]]></copyright><item><title><![CDATA[人脸识别必读的N篇文章（转载）]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/25610445</link><guid>https://blog.youkuaiyun.com/twnming/article/details/25610445</guid><author>twnming</author><pubDate>Mon, 12 May 2014 12:43:17 +0800</pubDate><description><![CDATA[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 2004.

入选理由：

Viola的人脸检测工作使得人脸检测真正变得实时可用。他们]]></description><category></category></item><item><title><![CDATA[Fast, Accurate Detection of 100,000 Object Classes on a Single Machine 读后记录（转载）]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/25610403</link><guid>https://blog.youkuaiyun.com/twnming/article/details/25610403</guid><author>twnming</author><pubDate>Mon, 12 May 2014 12:41:54 +0800</pubDate><description><![CDATA[这篇文章是CVPR 2013 best paper。




这篇文章的牛，主要体现在一些关键数字上，可以分类100000类别，比base line快了20000倍。

不过，美中不足的是，其单机处理一幅图像的速度，需要20s，而且，100000类mAP为0.16，看上去很美，但是距离实用还有一些距离。




这篇文章的卖点在于速度快，具体就是对于多类检测问题，检测速度可]]></description><category></category></item><item><title><![CDATA[21世纪初最有影响力的20篇计算机视觉期刊论文 及 邓亚峰老师关于人脸识别方面总结]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/25610345</link><guid>https://blog.youkuaiyun.com/twnming/article/details/25610345</guid><author>twnming</author><pubDate>Mon, 12 May 2014 12:40:51 +0800</pubDate><description><![CDATA[http://www.cnblogs.com/youth0826/archive/2012/12/04/2801481.html


选取论文的原则：

（1）期刊论文，主要来源于以下期刊：TPAMI，IJCV，TIP，CVIU，IVC，MVA，PR，JMIV，IJPRAI…

（2）发表在2000年以后

（3）SCI检索次数大于1000，来源于Web of Science数据]]></description><category></category></item><item><title><![CDATA[TF-IDF、向量空间模型和余弦相关度]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/8447705</link><guid>https://blog.youkuaiyun.com/twnming/article/details/8447705</guid><author>twnming</author><pubDate>Fri, 28 Dec 2012 15:06:49 +0800</pubDate><description><![CDATA[一、TF-IDF
TF-IDF是信息检索和数据挖掘中常用的一种加权技术。它是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。
TFIDF的主要思想是：如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。
TF词频(Term Frequency)指的是某一个给定的词语在该文件中出现的频]]></description><category></category></item><item><title><![CDATA[朴素贝叶斯分类流程图介绍]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/8147522</link><guid>https://blog.youkuaiyun.com/twnming/article/details/8147522</guid><author>twnming</author><pubDate>Mon, 05 Nov 2012 09:37:33 +0800</pubDate><description><![CDATA[1.1、摘要
贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。本文作为分类算法的第一篇，将首先介绍分类问题，对分类问题进行一个正式的定义。然后，介绍贝叶斯分类算法的基础——贝叶斯定理。最后，通过实例讨论贝叶斯分类中最简单的一种：朴素贝叶斯分类。
1.2、分类问题综述
对于分类问题，其实谁都不会陌生，说我们每个人每天都在执行分类操作一点都不夸张，只是我们没有意]]></description><category></category></item><item><title><![CDATA[典型相关分析(CCA)相关资料]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/8147504</link><guid>https://blog.youkuaiyun.com/twnming/article/details/8147504</guid><author>twnming</author><pubDate>Mon, 05 Nov 2012 09:34:29 +0800</pubDate><description><![CDATA[典型相关分析的基本思想 Canonical Correlation Analysis

CCA典型相关分析
（canonical correlation analysis）利用综合变量对之间的相关关系来反映两组指标之间的整体相关性的多元统计分析方法。它的基本原理是：为了从总体上把握两组指标之间的相关关系，分别在两组变量中提取有代表性的两个综合变量U1和V1（分别为两个变量组中各变量的线性组合]]></description><category></category></item><item><title><![CDATA[国内人脸识别研究现状]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/7570629</link><guid>https://blog.youkuaiyun.com/twnming/article/details/7570629</guid><author>twnming</author><pubDate>Tue, 15 May 2012 22:27:40 +0800</pubDate><description><![CDATA[最近几年，在国内掀起了一股图像处理、分析、识别的热潮，而其中的车牌识别和人脸识别无疑是其中的研究热潮。
本人没有做过车牌识别的项目，不便叙述，不过，倒是可以跟大家聊聊最近几年国内在人脸识别领域的一些发展情况。
广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括图像采集，人脸定位，预处理，人脸特征提取，模式分类、判决识别等等。当然，还包括相应的摄像机，摄像头等光学设备，以及PC，DSP]]></description><category></category></item><item><title><![CDATA[Object Recognition, Computer Vision, and the Caltech 101: A Response to Pinto et al.]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/6539147</link><guid>https://blog.youkuaiyun.com/twnming/article/details/6539147</guid><author>twnming</author><pubDate>Sun, 12 Jun 2011 10:59:00 +0800</pubDate><description><![CDATA[Object Recognition, Computer Vision, and the Caltech 101: A Response to Pinto et al.Yann LeCun, David G. Lowe, Jitendra Malik, Jim Mutch, Pietro Perona, and Tomaso PoggioReaders of the recent paper “W]]></description><category></category></item><item><title><![CDATA[Dir命令详解]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/6536178</link><guid>https://blog.youkuaiyun.com/twnming/article/details/6536178</guid><author>twnming</author><pubDate>Fri, 10 Jun 2011 12:43:00 +0800</pubDate><description><![CDATA[显示目录文件和子目录列表。如果在没有参数的情况下使用，则 dir 显示磁盘的卷标和序列号，后接磁盘上目录和文件的列表，包括它们的名称和最近修改的日期及时间。dir 可以显示文件的扩展名以及文件的字节大小。Dir 也显示列出的文件及目录的总数、累计大小和磁盘上保留的可用空间（以字节为单位）。MS-DOS命令语法dir [Drive:][Path][FileName] [...] [/p] []]></description><category></category></item><item><title><![CDATA[以图搜图 – 3大相似图片搜索引擎]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/6530259</link><guid>https://blog.youkuaiyun.com/twnming/article/details/6530259</guid><author>twnming</author><pubDate>Tue, 07 Jun 2011 19:06:00 +0800</pubDate><description><![CDATA[以图搜图，顾名思义就是上传一张图片，网站搜索并显示与之类似的图片。看到一个可爱的卡通头像想搜出更多来？看看是不是用旧图片制作的新新闻？还有 很多用法就看大家的想象力啦。作者爱好搜集图片，最不能容忍的就是美图上面有水印，只要上传图片到以图搜图网站，轻轻一点便能搜出不带水印的图片。下面就介绍3个相似图片搜索引擎，排名分先后，带有个人色彩，不过写这篇文章的时候特意在3个网站尝试搜索相同的5张图片进行]]></description><category></category></item><item><title><![CDATA[自动人脸识别基本原理]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/6445006</link><guid>https://blog.youkuaiyun.com/twnming/article/details/6445006</guid><author>twnming</author><pubDate>Wed, 25 May 2011 15:22:00 +0800</pubDate><description><![CDATA[<br />人脸识别经过近 40 年的发展，取得了很大的发展，涌现出了大量的识别算法。这些算法的涉及面非常广泛，包括模式识别、图像处理、计算机视觉、人工智能、统计学习、神经网络、小波分析、子空间理论和流形学习等众多学科。所以很难用一个统一的标准对这些算法进行分类。根据输入数据形式的不同可分为基于静态图像的人脸识别和基于视频图像的人脸识别。因为基于静态图像的人脸识别算法同样适用于基于视频图像的人脸识别，所以只有那些使用了时间信息的识别算法才属于基于视频图像的人脸识别算法。接下来分别介绍两类人脸识别算法中的一些]]></description><category></category></item><item><title><![CDATA[自动人脸识别技术]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/6444939</link><guid>https://blog.youkuaiyun.com/twnming/article/details/6444939</guid><author>twnming</author><pubDate>Wed, 25 May 2011 15:06:00 +0800</pubDate><description><![CDATA[<br />在2008年，人脸识别技术首次亮相奥运会，为保障北京奥运会及残奥会的开闭幕式的安全，起到了重要的作用。北京奥运会使用的人脸识别技术，是由中国科学院自动化所生物特征识别与安全技术研究中心所研发的，性能在国际上处于领先地位，并且拥有完全独立自主的知识产权。在这里，我们给大家介绍一下自动人脸识别技术。<br />   在当今社会信息安全问题备受人们的关注。自身安全和个人隐私保护成为这个时代的热门话题。基于密码、个人识别码、磁卡和钥匙等传统的安全措施已不能完全满足社会要求。在这样一个背景下，人们把目光投]]></description><category></category></item><item><title><![CDATA[人脸识别发展历史介绍 by 山世光]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/6444929</link><guid>https://blog.youkuaiyun.com/twnming/article/details/6444929</guid><author>twnming</author><pubDate>Wed, 25 May 2011 15:02:00 +0800</pubDate><description><![CDATA[<br />1 引言<br />  在我们生存的这个地球上，居住着近65亿人。每个人的面孔都由额头、眉毛、眼睛、鼻子、嘴巴、双颊等少数几个区域组合而成，它们之间的大体位置关系也是固定的，并且每张脸的大小不过七八寸见方。然而，它们居然就形成了那么复杂的模式，即使是面容极其相似的双胞胎，其家人通常也能够非常容易地根据他们面孔上的细微差异将他们区分开来。这使得我们不得不承认这个世界上找不出两张完全相同的人脸!那么，区分如此众多的不同人脸的“特征”到底是什么?能否设计出具有与人类一样的人脸识别能力的自动机器?这种自]]></description><category></category></item><item><title><![CDATA[dodo：人脸识别方法个人见解]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/6442026</link><guid>https://blog.youkuaiyun.com/twnming/article/details/6442026</guid><author>twnming</author><pubDate>Tue, 24 May 2011 12:38:00 +0800</pubDate><description><![CDATA[<br /><br />dodo：人脸识别方法个人见解（之一）<br />看到j.liu关于人脸识别的帖子，萌发写这个帖子的念头。没有别的意思，就是想抛砖引玉，把问题说的全面一点，希望j.liu和回其帖子的兄弟姐妹们不要介意。如有兴趣，欢迎继续讨论。在以下讨论中，<br /><br />TPAMI = IEEE Transactions on PAMI 这个杂志<br />PAMI  是指 pattern analysis and machine intelligence这两个领域<br /><br /><]]></description><category></category></item><item><title><![CDATA[J.liu:人脸识别研究中应该关注什么？]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/6442015</link><guid>https://blog.youkuaiyun.com/twnming/article/details/6442015</guid><author>twnming</author><pubDate>Tue, 24 May 2011 12:34:00 +0800</pubDate><description><![CDATA[人脸识别是一个热门的研究课题，主要研究方法有：<br />1)以PCA和LDA为代表的全局特征提取方法，相关论文不断涌现。个人认为，相关改进方法具有很大的投机性，因为其一般在所选择的几个数据集上说明效果似乎比现有相关方法好（很多时候，现有的方法没有得到很好的实现，如参数的调整等），但是，事实上，这些所谓的新方法在一些更难的数据集上并不能比现有的方法好（在这方面，我有两篇讨论论文，一篇发表在PR，一篇IVC）。此外，这类方法，很多时候是一种概念上炒作，比如2D等。这类方法的局限性在于，以传统模式识别的思路来思]]></description><category></category></item><item><title><![CDATA[计算机视觉常用链接]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/5853042</link><guid>https://blog.youkuaiyun.com/twnming/article/details/5853042</guid><author>twnming</author><pubDate>Tue, 31 Aug 2010 14:55:00 +0800</pubDate><description><![CDATA[all kinds of librariesThe following list is a collection of open source libraries, SDKs, frameworks, engines, tools, and utilities which might come in handy for your (game development) projects. With one exception, the Golden T Game Engine, which has been ]]></description><category></category></item><item><title><![CDATA[CVPR 2008 best papers ]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/5853023</link><guid>https://blog.youkuaiyun.com/twnming/article/details/5853023</guid><author>twnming</author><pubDate>Tue, 31 Aug 2010 14:50:00 +0800</pubDate><description><![CDATA[l   Best Student Poster Runner-up （最佳学生Poster亚军）Manifold-manifold distance with application to face recognition based on image set, Ruiping Wang, Shiguang Shan, Xilin Chen, Wen Gaol   Best Student Poster（最佳学生Poster）Robust dual motion deblurring, Jia Chen, ]]></description><category></category></item><item><title><![CDATA[Visual Studio 调试小技巧（2）-从查看窗口得到更多信息]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/5667433</link><guid>https://blog.youkuaiyun.com/twnming/article/details/5667433</guid><author>twnming</author><pubDate>Sat, 12 Jun 2010 20:37:00 +0800</pubDate><description><![CDATA[<br />在使用Visual Studio开发调试程序时，我们经常需要打开查看窗口（Watch）来分析变量。有时在查看窗口显示的内容不是很直观。为了能从查看窗口的变量中得到更多的信息，我们需要一些小的技巧。下面是几个例子。<br />1．Windows消息<br />在开发调试界面程序时，我们经常需要查看消息的内容。当在查看窗口中，仅仅只显示出消息对应的整数值，我们并不能直观地知道究竟是什么消息。比如：<br /> <br /><br /><br />为了能让查看窗口显示出消息内容，我们只需要在变量名添加]]></description><category></category></item><item><title><![CDATA[Visual Studio 调试小技巧（1）-根据字符串内容添加断点]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/5667426</link><guid>https://blog.youkuaiyun.com/twnming/article/details/5667426</guid><author>twnming</author><pubDate>Sat, 12 Jun 2010 20:34:00 +0800</pubDate><description><![CDATA[<br /><br /> <br />在用Visual Studio调试程序时，我们经常需要根据数值添加断点。比如需要当i == 2时中断运行，我们可以添加如下的断点：<br /> <br /> <br />有些时候，我们需要根据字符串的内容来添加断点。比如我们在调试如下代码：<br />void CVSDebugTricksDlg::OnBnClickedButton1()<br />{<br />   char* string;<br />   for(int i = 0; i < 5; ++i) {<]]></description><category></category></item><item><title><![CDATA[Compressive Sensing 的相关资源(12-10 Updated)]]></title><link>https://blog.youkuaiyun.com/twnming/article/details/5575893</link><guid>https://blog.youkuaiyun.com/twnming/article/details/5575893</guid><author>twnming</author><pubDate>Mon, 10 May 2010 17:47:00 +0800</pubDate><description><![CDATA[转自：http://blog.sina.com.cn/s/blog_49b5f5080100b62j.html（稀疏性与L1范数——何以完美 的博客） 转自prfans：Sparse, L1-minimization, Compressive Sensing 集中讨论帖（第一页常更新）Sparse大家并不陌生，是个经典话题了。而此时sparse已经卷土重来，虽然还是那一锅汤，但是药]]></description><category></category></item></channel></rss>