- 博客(49)
- 收藏
- 关注
RSS订阅原创 LABVIEW2018 安装与学习
在21世纪电子学习网站下载 个人学习和使用的 labview 2018 版本，附带激活软件。 安装之后，无论是激活还是LabVIEW的执行，一定要右键 ，都需要以管理员身份运行。打开激活软件后，也使用右键activate使得图标变绿之后，代表已激活成功。如下图所示。...
2020-09-05 13:12:52
2252
原创 机器学习中的KL Divergence
原文出处：https://dibyaghosh.com/blog/probability/kldivergence.html参考源：https://www.countbayesie.com/blog/2017/5/9/kullback-leibler-divergence-explained-----监督学习和强化学习这种方法的目标都是为了最小化KL差异这篇文章将从增强学习和机器学习的...
2020-02-04 16:08:08
7504
原创 图像分类数据集下载地址
自己做个链接，以备后续之需，也给同一方向的大家们一个选择，省得到处搜寻。http://vision.stanford.edu/resources_links.html //stanford feifei li 旗下数据库的链接地址，包括 IMAGENET,CALYECH101/256 等http://slazebni.cs.illinois.edu/ // 大神SPM的提出者，这...
2018-09-19 10:19:24
4164
原创 fprintf(fid, xml) 报错记录
writeXML(fullfile(HOMEfolderAnnotationLM,nameXML), xml); 函数下的fprintf(fid, xml) 报错>> Warning: Invalid escape sequence appears in format string. See help sprintffor valid escape sequences. ...
2018-07-24 15:03:48
466
转载 Gibbs Sampling不完全攻略
什么是最大似然估计（Maximum Likelyhood Estimator）？MLE代表观察值最有可能出现次数的情况。先自定义一个抛掷硬币的场景,我们想要知道出现head的概率是多少？如抛掷一枚硬币10次，得到的结果X=HHHHTTTTTT,出现head的概率为0.4.则这个0.4就是MLE。现在我们假设一个只含有一个参数pi(表征出现‘头’的概率)的模型U，X继续表示观察值（已发生的情
2018-07-14 21:41:24
794
转载 十分钟看懂图像语义分割技术
https://www.leiphone.com/news/201705/YbRHBVIjhqVBP0X5.html 十分钟看懂图像语义分割技术 限于转载需要授权，先在这里标记一下链接 同时也为作者点赞 ！
2018-02-18 14:59:24
1913
原创 评分标准的设定
1.实验报告基调是所有人都过，并尽力给高分。如果高分，门槛将变低。A.实验名称（10’），实验目的（10'），实验过程（50'），实验结果（30'）;B.实验过程有人认真，有的不认真。撰写的实验报告就能看出是否认真。将基本分定为40’（只做到基本描述），字迹工整，详细阐述给满分；字迹潦草，阐述详细给45’。C.实验结果基本分定为20’（应付类型），实验结果都有并且参数和曲线吻合很好
2018-01-19 20:21:33
951
转载 用matlab 保存带标记图像、图片的方法总结
如今常用的方法有三种printf，imwrite，saveas下面分别介绍一下：imwritemwrite将图像数据写成图像文件，一般用于图像处理，当我们使用imshow将一副图像使显示在坐标系上时，我们可以使用如下方式保存图像 I=getimage(gcf); % 获取坐标系中的图像文件数据 imwrite(I,'myphoto.jpg')%保存图像为文件同时可以
2018-01-03 17:47:19
3069
原创 MATLAB 颜色选择及应用
注意：MATLAB中调色板色彩强度[0,1]，0代表最暗（纯黑），1代表最亮（纯白）。选对颜色，才会有漂亮图像。 常用颜色的RGB值 -------------------------------------------- 颜色 R G B -------------------------------------
2017-12-30 12:04:35
2762
原创 感悟matlab下mex XXX.cpp 文件
以前mex .c文件，这次mex .cpp文件，感觉不一样。针对后者而言，更容易出现问题.1.头文件的使用，不能随意加头文件，除非必要，因为容易出现嵌套问题。比如头文件定义了的变量，在内容中继续定义，就出现重复使用问题，遇到了只能根据提示手动修改；2.这次调试，主要是一个gettimeofday函数问题，这个是linux下定义的，windows下没有。百度之后，发现这个定义在win下好用，
2017-12-27 11:51:16
1138
原创 目标检测之IoU(intersecton over union)标准
https://www.pyimagesearch.com/2016/11/07/intersection-over-union-iou-for-object-detection/绿色代表ground truth box，红色代表predictive box. ground truth box 需要手动标注，predictive box是你选用的模型计算出来的结果。将两者
2017-12-25 16:59:25
1482
原创 让人又爱又恨的matlab2008a之mex
在matlab2008a下对c 进行编译，出现一系列的变量不能识别问题，然后百度，把头文件提前，编译还是通不过，然后又发现自己的microsoft visio2008 已经能使用（无法读C代码），移位mex编译无法通过就是合格问题，于是到控制面板下更改也只能安装，不能升级，气急败坏下直接卸载并卸载了一系列的SDK2005和2010。无奈机子里没有原安装文件，又得找，下载，再安装（3个小时过去了）。
2017-11-30 16:28:47
879
原创 期待结交更多做机器视觉的朋友
至少有一年半的时间没有打开自己的这个博客了，期间怀孕生小孩去了。今天无意中看到私信里头有几封没有回复的信件，只能在这里跟你们say sorry了。现在再次回到工作生活的正轨，看paper，写论文，run code，备课，上课，带娃......抓住有限的时间，多结交学CV的朋友，多分享，多交流...我要把自己有聊无聊的心得都往博客上贴，嘻嘻，方便自己看看，也希望能对有缘人有点参考
2017-10-26 19:57:54
283
原创 17.10.25课程内容安排
针对课堂学生学习的特点，今天90min的课程打算做如下安排：1.当下火热的互联网，不仅火在程序员工作的高薪，也火在研究领域的学习热潮，面临选择的我们改如何面对？（3min）2.视频“赵勇：让计算机看懂这个世界”（42min）；科普互联网浪潮下的计算机视觉如何影响我们的生活；3.针对第一个视频记录观后感；分享感受（20min）；4.“李飞飞：如何教计算机理解图片 ”，为我们揭示计算机
2017-10-25 09:47:45
465
原创 一周学习总结
学习：代码从不懂到大概知道，从整体上进行把握，知道每个函数的输入输出，明确自己的目的。本周在做图像特征提取和描述的mat文件。初步实现dense的边缘检测和描述，效果一般。再试grid和harries的检测，看看效果。交流：这一点很重要，主动在QQ 群里寻求帮助，好心人还是很多的，即使有时没人回答，也不需要气馁。需要注意的是 在伸手向他人寻求帮助的时候，要考虑好问什么样的问题。现在记事
2017-09-24 14:51:13
543
原创 matlab 空数组的赋值
将两个数组结合成一个，先定义一个空数组，如A= [ ]，然后再把两个数组依次赋给A，见下例。>> A=[]； a=[1 2]; b=[3 4];A=[A a]A = 1 2>> A=[A b]A = 1 2 3 4以前都是写过就忘，这次强行记录。
2017-09-21 22:19:34
35832
1
原创 再次启程---多读，多写，多交流
休了一个长长的假期，再次回到自己的队伍里。昨天跟一个考注会的朋友聊天，她说自己输出很多，每天不断用自己学到的知识来更新朋友圈，在知识层面不断的提升自我。反观我自己，在专业上本来就比较欠缺，然后还闭关锁国，真的应该转换思路了，交流才是唯一的出路。网络的手段这么便捷，多读，多写，多交流。期待各路朋友的相逢！
2017-09-21 22:09:37
372
转载 交叉验证(CrossValidation)方法思想简介
以下简称交叉验证(Cross Validation)为CV.CV是用来验证分类器的性能一种统计分析方法,基本思想是把在某种意义下将原始数据(dataset)进行分组,一部分做为训练集(train set),另一部分做为验证集(validation set),首先用训练集对分类器进行训练,在利用验证集来测试训练得到的模型(model),以此来做为评价分类器的性能指标.常见CV的方法如下:1)
2015-11-27 11:53:42
792
转载 Matlab中统计矩阵中相同元素的个数的方法
方法一：A = data(:,i); B = unique(A); c = zeros(size(B));for i=1:length(B) c(i)=length(find(A==B(i)));end 方法二：使用函数tabulate(A) 方法三：使用函数hist(A,unique(A)) FROM:ht
2015-11-26 17:44:18
14445
原创 关注自己所学所获
2015 July 8th美帝圣母大学陈子仪教授“computational medicine:problems.solutions and research trends” ,关注计算医学和医学图像处理。感受：1.任何一张图像都是一个网络（包含节点和边），对图像的分析可转化为挖掘图像的结构信息；2.注重领域信息对节点的贡献度；3.节点与节点之间的距离，层与层之间的约束，即优化
2015-07-09 12:49:58
677
原创 libsvm 安装
不知不觉走进了SVM的迷局，不管图像的分类还是行人检测都要用到SVM，其中LIBSVM被广泛使用，LIBSVM含有svmtrain.c ,svm.cpp等多种语言的组合。但是在matlab环境下编译.c or .cpp时，编译环境必须合适才能编译通过。本人机子装的matlab2008a，用了好几年，不想换其他版本，与其配套的c编译器matlab自带，但是c++的编译必须要microsoft
2015-06-29 13:48:36
1545
转载 机器视觉开源代码集合
FROM: http://www.cnblogs.com/einyboy/p/3594432.html一、特征提取Feature Extraction：SIFT [1] [Demo program][SIFT Library] [VLFeat]PCA-SIFT [2] [Project]Affine-SIFT [3] [Project]SURF [4] [
2015-06-17 20:34:24
6782
转载 LBP (local binary patterns)
FROM: http://blog.youkuaiyun.com/yangtrees/article/details/7574123LBP方法（Local binary patterns）是一个计算机视觉中用于图像特征分类的一个方法。LBP方法在1994年首先由T. Ojala, M.Pietikäinen, 和 D. Harwood 提出[43][44]，用于纹理特征提取。后来LBP方法与
2015-05-08 09:16:24
683
转载 机器学习的发展方向
1. Deep learning (深度学习）, 这是近年来最火的研究方向，其实就是基于神经网络， 但需要deep structure. 以前因为种种的限制(hardware, lack of fast algorithm), deep learning没有太多得被关注，但近年来随着硬件和算法上的突破， 迅速成了业界最热的研究方向。目前已经应用到了语音识别，图像识别，NLP等等领域。尤其是在语音识
2015-03-08 21:17:23
6587
转载 图像语义理解
1.目标的检测、分类和识别都为图像语义的理解服务。理解是硬道理； 2.不在于图像理解模型是否与人类的认知过程一致，关键是要有效； 3.图像是最自然的自然语言，图像理解可以借鉴自然语言处理中的方法。 引言 从CVPR、ICCV、ECCV、IJCV、PAMI、JOV等国际会议和期刊中，我们可以看出目前关于目标检测（如车辆检测、人脸检测和行人检测等）、目标识别...
2015-03-02 11:53:13
21755
原创 协方差矩阵的matlab计算
最受欢迎的100个视频 ，大部分来自videolectures.net ， 其中排名第一的Gaussian process basics 的英国口音好浓，半懂不懂的。还是喜欢中国人讲英语。http://blog.youkuaiyun.com/longshengguoji/article/details/10952337UIUC同学收集的代码合集： http://blog.youkuaiyun.com/go
2015-02-15 12:36:49
12484
转载 图像分类中混淆矩阵精度验证法中的几个指标说明
From:http://blog.sina.com.cn/s/blog_764b1e9d0100rlnh.html选择主菜单->Classification->PostClassification->ConfusionMatrix->Using Ground Truth ROIs，可以得到如下的分类精度验证的混淆矩阵。要看懂这个精度验证结果，需要了解几个混淆矩阵中的几项评价指标：
2014-03-17 21:39:36
4261
转载 Protel与Altium Designer的前生今世
电子线路CAD的基本含义是使用计算机来完成电子线路的设计过程，包括原理图的编辑、电路功能仿真、工作环境模拟、印制电路板设计（自动布局、自动布线）与检测（包括布线、布局规则的检测和信号完整性分析）等。其中，最重要是电路原理图和PCB设计，以及进行必要的仿真、信号完整性分析。目前电子线路CAD软件种类繁多，常用的如Cadence公司的PSpice、OrCAD和Allegro，MentorGraphic
2013-11-25 17:21:31
8063
转载 很酷的结合----芒果和machine learning的故事
Mango ShoppingSuppose you go shopping for mangoes one day. The vendor has laid out a cart full of mangoes. You can handpick the mangoes, the vendor will weigh them, and you pay according to a
2013-09-27 21:42:16
1189
转载 videolectures上最流行的100机器学习视频
Enjoy this weeks list!26971 views, 1:00:45, Gaussian Process Basics, David MacKay, 8 comments 7799 views, 3:08:32, Introduction to Machine Learning, Iain Murray 16092 views, 1:28:05, Intro
2013-09-15 20:44:28
3610
原创 理解 LDA
文章部分来源于以下链接，个人也很推荐.http://www.mblondel.org/journal/2010/08/21/latent-dirichlet-allocation-in-python/http://www.cl.cam.ac.uk/teaching/1011/L101/ml4lp-lect8.pdfhttp://users-deprecated.aims.ac.za
2013-04-16 06:11:47
1130
原创 朴素贝叶斯文本分类过程
对于上一篇Bayes 的基本概念 比较清晰和熟悉之后，迫不及待的想要看到其进一步应用。因为朴素贝叶斯（naive bayes ：不是yes就是no）假设事物属性之间相互条件独立,于是选择文本分类来进一步认识。本片博文参考http://my.oschina.net/zhukp/blog/56724 ;http://www.cnblogs.com/phinecos/archive/2008/10
2013-04-05 06:31:15
1248
原创 贝叶斯学习基本概念
Bayes or Bayesian，which one to choose?Bayes:名词. 常用的表达法有 Bayes' rule;Naive Bayes classifier;Bayesian:形容词. 常用的表达法有 Bayesian network ;Bayesian model; Bayesian model其更精确的名字是 hierarchical
2013-04-04 12:22:44
1666
转载 人工智能界（AI）‘牛牛’主页&坐镇机器学习(machine learning)的江湖大家
注：下文转自http://www.360doc.com/userhome/11586 ； http://tzczsq.blog.163.com/blog/static/22603058201102602452399/闲着无事，想写点一些我所了解的machine learning大家。由于学识浅薄，见识有限，并且仅局限于某些领域，一些在NLP及最近很热的生物信息领域活跃的学者我就浅陋无知
2013-03-29 05:15:42
1996
1
原创 PRML 学习笔记
【以下内容部分转自 http://www.lizhijin.com/view.php/Scholar/207.html 】A.判断P（x）是何种分布的方法： 首先对P(X)取对数---ln（x），然后观察x的形式。如果ln（x）是x的二次函数，那么P（x）就是Guassian;如果ln（x）是x和lnx的线性组合函数，那么P（x）就是Gamma。具体的细节后续再学习补充。B
2013-02-19 03:52:00
3755
原创 今天终于装了LATEX，mark一下
拖了好久的latex学习和安装，终于小实现一把。每次拖着拖着就不知道是什么时候的事情，现在的原则就是：当日事尽量毕。开始只安装了winedit6.0,就兴致冲冲的找LATEX教程操练，教程还不错 ，链接在这里 http://math.ecnu.edu.cn/~jypan/Teaching/books/TeX/LaTeXTutorial.pdf 然后就是最基本的“hello，
2013-02-13 12:30:36
1568
原创 PRML CHAPTER 2 学习笔记
BERNOULLI DISTRIBUTION &BINOMIAL DISTRIBUTION(贝努利分布&二元分布)，个人觉得二元分布比二项分布来的更直观一些。 贝努利分布：投一个硬币出现的结果x=head=1,tail=0的概率分布，表达式如下 概率分布是一个关于u的函数； 现在进行n次试验，观察到的结果（head or tail :0 or 1)由一个数据组组成D
2013-01-16 13:15:08
1397
原创 DP混合模型参数分析（DPMM）
一般有限数目的混合模型，贝叶斯提供一种基于数据的既可以估计混合模型中多少个components的数量，又可以估计每个mixture components 的参数值的方法。 对于有限混合模型中数据（data x）的密度函数的形式：,其中G是一个涵盖了混合参数的一个离散分布，G 的右半部分delta(theta)是以theta为中心的一块（区域）。Theta可做如下理解：
2013-01-05 13:18:43
4438
原创 运用贝叶斯统计知识对参数进行估计
1.对于观测到的变量，首先要明确这些变量的个数，以及其服从何种参数分布。因为在样本量有限的情况下，参数没办法准确确定，因此用一个分布来描述反而会显得更加恰当。比如，你在和别人交谈的过程中，需要描述某个大叔的年龄，你会说大叔的大概的年龄大致在45-55之间，这样既比较准确的描述问题，也间接反映你这个人说话还是比较靠谱的。2.根据参数的似然函数及先验信息得出其后验概率密度。贝叶斯认为参数的一切信息
2012-12-13 11:07:17
1877
原创 好博客、好文章、好网页，收藏并学习
21世纪计算机研究新方向：http://www.youkuaiyun.com/article/2012-11-22/2812139EM 算法详解：http://www.cnblogs.com/jerrylead/archive/2011/04/06/2006936.html学习了大半年的DD,经过大牛的解释，如同醍醐灌顶 （一定反复的拿出来回味）http://freemind.pluskid.org/
2012-11-26 00:39:28
578
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人