Hunger's Blog

CV课堂笔记，湿货。

本文的主要思路，简单来说，就是用回归树模型选择局部特征，实验结果表明此方法又快又好。每一个Φ是一个D维向量，记录了某个叶节点是否能到达，同时每个Φ是一个forest；每一个ω是一个2XD维的矩阵，记录了对应叶节点的2D偏移向量。问题来了：每一棵树代表什么？公式2、公式3的意义？What is pixel-difference feature?回归树具体选择了哪些特征？怎么选择？这篇文章的主要思路是...

Optical Flow.

Camera Calibration.

这几天在学习PCA算法（结合在人脸识别方面的应用），下面是我的笔记（有不对的地方欢迎各位指出）： 相关的数学知识 特征值\特征向量 协方差矩阵 简单的算法流程 1）特征中心化，即每一维的数据都减去该维的均值； 2）（对维度）计算协方差矩阵； 3）计算协方差矩阵的特征值和特征向量； 4）选取最大的前几个特征值对应的特征向量，组成一个投影矩阵。 对算法原理的一

ASM模型的训练1. 标记图片特征点。2. 对齐模型，对齐算法是Procrustes算法的变种。3. 对模型做PCA处理。ASM模型的搜索1. 初始化模型。2. 根据图片特征（有很多二维图像特征算法可选）计算模型的目标位移dX。3. 根据dX计算模型的放射变换参数dθ，ds，dXc，dYc，计算方法跟对齐模型方法一致。4. 根据dX，dθ，ds，dXc，dYc，计算形状参数db（先计算中间量dx）...

ICCV 2017 的文章，用CNN回归的方法基于单张图片重构三维人脸。贡献点：可以根据图片直接重构出三维人脸（不需要三维形变模型）可以由任意姿态、表情、有遮挡的人脸图片重构出三维人脸训练的数据集包括人脸图片以及对应的三维人脸模型，其中，三维人脸数据由三维形变模型匹配人脸图片得到，数据集和匹配算法参考以下文章：Face alignment across large poses: A 3D solu...