<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[笔记]]></title><description><![CDATA[关注计算机视觉，机器学习]]></description><link>https://blog.youkuaiyun.com/u010944555</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; u010944555]]></copyright><item><title><![CDATA[机器学习笔记]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/37657137</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/37657137</guid><author>u010944555</author><pubDate>Thu, 10 Jul 2014 15:54:14 +0800</pubDate><description><![CDATA[下载链接：斯坦福机器学习笔记
这一系列笔记整理于2013年11月至2014年7月。所有内容均是个人理解，做笔记的原因是为了以后回顾相应方法时能快速记起，理解错误在所难免，不合适的地方敬请指正。
笔记按照斯坦福机器学习公开课的notes整理，其中online学习部分没有整理，reinforcement learning还没接触，有时间补上。
这份笔记主要记录自己学习过程中理解上的难点，所以对于]]></description><category></category></item><item><title><![CDATA[凸优化和非凸优化]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/35567515</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/35567515</guid><author>u010944555</author><pubDate>Sat, 28 Jun 2014 15:14:24 +0800</pubDate><description><![CDATA[数学中最优化问题的一般表述是求取，使，其中是n维向量，是的可行域，是上的实值函数。
凸优化问题是指是闭合的凸集且是上的凸函数的最优化问题，这两个条件任一不满足则该问题即为非凸的最优化问题。

其中，是 凸集是指对集合中的任意两点，有，即任意两点的连线段都在集合内，直观上就是集合不会像下图那样有“凹下去”的部分。至于闭合的凸集，则涉及到闭集的定义，而闭集的定义又基于开集，比较抽象，不赘述，这里]]></description><category></category></item><item><title><![CDATA[三维人脸识别预处理,3D face recognition preprocess]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/31373817</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/31373817</guid><author>u010944555</author><pubDate>Mon, 16 Jun 2014 15:04:19 +0800</pubDate><description><![CDATA[本文由兔死机发布在http://blog.youkuaiyun.com/smartempire/article/details/31373817

最近在做三维人脸识别相关的东西，在已获取三维数据的情况下进行人脸的识别切割是第一步，本文将介绍预处理内的几个操作，最终给出切割后的三维人脸数据以及经过变换的灰度图像。

作者之前申请了国内的三维人脸数据库都没申请到，FRGC v2库也没有回复，只申请到了一个非常小...]]></description><category></category></item><item><title><![CDATA[Hotelling transform,霍特林变换]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/30097833</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/30097833</guid><author>u010944555</author><pubDate>Wed, 11 Jun 2014 21:06:18 +0800</pubDate><description><![CDATA[最近在细看一篇论文并且实现里面的方法，有一节是依靠hotelling变换实现人脸矫正，方法比较简单，不幸的是里面的公式是错的，所以在这里写一下原理顺带附上MATLAB实现。]]></description><category></category></item><item><title><![CDATA[强大的矩阵奇异值分解(SVD)及其应用]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/28128727</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/28128727</guid><author>u010944555</author><pubDate>Mon, 02 Jun 2014 20:52:02 +0800</pubDate><description><![CDATA[版权声明：

    本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com

前言：

    上一次写了关于PCA与LDA的文章，PCA的实现一般有两种，一种是用特征值分解去实现的，一种是用奇异值分解去实现的。在上篇文章中便是基于特征值]]></description><category></category></item><item><title><![CDATA[语音识别原理]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/24411607</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/24411607</guid><author>u010944555</author><pubDate>Thu, 24 Apr 2014 14:29:12 +0800</pubDate><description><![CDATA[本文
简要给大家介绍一下语音怎么变文字的吧。

首先说一下作为输入的时域波形。我们知道声音实际上是一种波。常见的mp3、wmv等格式都是压缩格式，必须转成非压缩的纯波形文件，比如Windows PCM文件，即wav文件来处理。wav文件里存储的除了一个文件头以外，就是声音波形的一个个点了。采样率越大，每毫秒语音中包含的点的个数就越多。另外声音有单通道双通道之分，还有四通道的等等。对语音识别任]]></description><category></category></item><item><title><![CDATA[行人检测之HOG特征(Histograms of Oriented Gradients)]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/24038355</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/24038355</guid><author>u010944555</author><pubDate>Sun, 20 Apr 2014 10:02:39 +0800</pubDate><description><![CDATA[之前的文章提到HOG特征这个概念，这两天看了一下原版的论文，了解了一下HOG特征的原理，并根据自己的理解将这个方法的流程写了下来，如果有不对的地方欢迎指正]]></description><category></category></item><item><title><![CDATA[2014腾讯实习笔试面试]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/24012123</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/24012123</guid><author>u010944555</author><pubDate>Fri, 18 Apr 2014 14:26:07 +0800</pubDate><description><![CDATA[成都这边14年的软件开发笔试题延续了一贯的传统，还是考查数据结构、操作系统、计算机网络等方面的内容，不过槽点还是很多的，首先就是笔试挨着坐，博主的左边就是同班同学（我没偷看啊！）]]></description><category></category></item><item><title><![CDATA[人脸识别经典算法三：Fisherface（LDA）]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/23377385</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/23377385</guid><author>u010944555</author><pubDate>Sun, 13 Apr 2014 11:16:12 +0800</pubDate><description><![CDATA[Fisherface是由Ronald Fisher发明的，想必这就是Fisherface名字由来。Fisherface所基于的LDA（Linear Discriminant Analysis，线性判别分析）理论和特征脸里用到的PCA有相似之处，都是对原有数据进行整体降维映射到低维空间的方法，LDA和PCA都是从数据整体入手而不同于LBP提取局部纹理特征。如果阅读本文有难度，可以考虑自学斯坦福公开课机器学习或者补充线代等数学知识。]]></description><category></category></item><item><title><![CDATA[人脸识别经典算法二：LBP方法]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/23249517</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/23249517</guid><author>u010944555</author><pubDate>Wed, 09 Apr 2014 11:18:02 +0800</pubDate><description><![CDATA[与第一篇博文特征脸方法不同，LBP（Local Binary Patterns，局部二值模式）是提取局部特征作为判别依据的。LBP方法显著的优点是对光照不敏感，但是依然没有解决姿态和表情的问题。不过相比于特征脸方法，LBP的识别率已经有了很大的提升。在[1]的文章里，有些人脸库的识别率已经达到了98%+。]]></description><category></category></item><item><title><![CDATA[卡方检验（Chi square statistic）]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/23203183</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/23203183</guid><author>u010944555</author><pubDate>Tue, 08 Apr 2014 20:18:47 +0800</pubDate><description><![CDATA[卡方检验是一种检验两个变量独立性的方法。本文将介绍其理论并给出其应用在LBP特征匹配中的例子。]]></description><category></category></item><item><title><![CDATA[Histogram intersection(直方图交叉核,Pyramid Match Kernel)]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/23168945</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/23168945</guid><author>u010944555</author><pubDate>Tue, 08 Apr 2014 11:28:42 +0800</pubDate><description><![CDATA[看关于LBP人脸识别的论文时提到了Histogram intersection这个方法，方法最初来自The Pyramid Match Kernel:Discriminative Classification with Sets of Image Features这篇论文，用来对特征构成的直方图进行相似度匹配，下面介绍下原理。]]></description><category></category></item><item><title><![CDATA[特征脸(Eigenface)理论基础-PCA(主成分分析法)]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/22938315</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/22938315</guid><author>u010944555</author><pubDate>Sat, 05 Apr 2014 14:58:24 +0800</pubDate><description><![CDATA[在之前的博客人脸识别经典算法一：特征脸方法（Eigenface）里面介绍了特征脸方法的原理，但是并没有对它用到的理论基础PCA做介绍，现在做补充。请将这两篇博文结合起来阅读。]]></description><category></category></item><item><title><![CDATA[人脸识别经典算法一：特征脸方法（Eigenface）]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/21406005</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/21406005</guid><author>u010944555</author><pubDate>Sun, 30 Mar 2014 22:59:00 +0800</pubDate><description><![CDATA[这篇文章是撸主要介绍人脸识别经典方法的第一篇，后续会有其他方法更新。特征脸方法基本是将人脸识别推向真正可用的第一种方法，了解一下还是很有必要的。]]></description><category></category></item><item><title><![CDATA[人脸识别必读的N篇文章]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/20462233</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/20462233</guid><author>u010944555</author><pubDate>Tue, 04 Mar 2014 14:55:46 +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[多渠道归因模型]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/19332751</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/19332751</guid><author>u010944555</author><pubDate>Mon, 17 Feb 2014 13:29:37 +0800</pubDate><description><![CDATA[转载自：http://www.szwebanalytics.com/multi-channel-attribution.html

最近在思考软件程序跟踪多个设备访问的问题，众所周知，在Google Analytics中跟踪一个设备是没有问题，而且很完善，但是在多个设备间切换就不行了，因为设备中都有浏览器，网站分析工具会将cookie放到不同设备的浏览器中，所以cookie就没有办法传递。带着]]></description><category></category></item><item><title><![CDATA[Mac配置Opencv时出现cmake错误]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/17847145</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/17847145</guid><author>u010944555</author><pubDate>Sat, 04 Jan 2014 19:04:34 +0800</pubDate><description><![CDATA[在配置mac的opencv环境时可以采用以下步骤摘自（http://www.cnblogs.com/repeae/p/3348777.html）：
一、编译OpenCV
要在Mac OS上使用OpenCV，需要自己编译源代码。操作过程如下：
1）从http://www.cmake.org下载cmake 2.8安装包。
2）安装cmake 2.8。
3）从http://opencv.org]]></description><category></category></item><item><title><![CDATA[行人计数,计次系统]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/17717101</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/17717101</guid><author>u010944555</author><pubDate>Tue, 31 Dec 2013 17:18:28 +0800</pubDate><description><![CDATA[前两周左右一个公司让我们写一下demo实现行人计数和某个人计次的功能，到现在为止效果不太好，但是还是有必要记一下我们的思路。
说到行人计数的话，肯定是要有行人检测和行人跟踪两部分的，网上搜了一下，opencv里面有两种检测的方法，一种叫做hog变换，另一种是haar人形检测的方法。后一种方法我没有测试，但是从之前haar方法的人脸检测的效果来看，行人检测的误检率肯定也蛮高的。行人跟踪方面没有找到]]></description><category></category></item><item><title><![CDATA[基于OpenCV的读取摄像头实现单个人脸验证MFC程序]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/17469553</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/17469553</guid><author>u010944555</author><pubDate>Sat, 21 Dec 2013 18:03:18 +0800</pubDate><description><![CDATA[与上一篇博客类似，这篇博客介绍使用OpenCV实现的MFC程序，可以实现单个人脸的验

证，并在图像和界面给出识别结果。效果图如下：


置信度一栏可以填写判定的阈值，默认为70。打开摄像头才能进行验证或拍照，拍照之前可以清除之前拍摄的训练图片，可以拍摄多张用于识别。其中mfc中的图像显示需要用到CvImage.cpp和CvImage.h两个文件，该代码在比较新的OpenCV内已经没有了]]></description><category></category></item><item><title><![CDATA[基于OpenCV读取摄像头进行人脸检测和人脸识别]]></title><link>https://blog.youkuaiyun.com/u010944555/article/details/17467179</link><guid>https://blog.youkuaiyun.com/u010944555/article/details/17467179</guid><author>u010944555</author><pubDate>Sat, 21 Dec 2013 15:39:21 +0800</pubDate><description><![CDATA[前段时间使用OpenCV的库函数实现了人脸检测和人脸识别，检测的代码网上很多，记不清楚从哪儿copy的了，识别的代码是从OpenCV官网上找到的：http://docs.opencv.org/trunk/modules/contrib/doc/facerec/facerec_api.html
需要注意的是，opencv的FaceRecogizer目前有三个类实现了它，特征脸和fisherface]]></description><category></category></item></channel></rss>