简单用心品质生活

在进行图像的特征提取的过程中，提取的特征维数太多经常会导致特征匹配时过于复杂，消耗系统资源，不得不采用特征降维的方法。所谓特征降维，即采用一个低纬度的特征来表示高纬度。特征降维一般有两类方法：特征选择和特征抽取。特征选择即从高纬度的特征中选择其中的一个子集来作为新的特征；而特征抽取是指将高纬度的特征经过某个函数映射至低纬度作为新的特征。常用的特征抽取方法就是PCA。下面着重介绍PCA。PCA原

这几天在用Hog算法，心里想着用VS2010来试一试。结果，问题出现了～～～用CMake编译了下载下来的代码后，进行了配置。用简单的加载图片，显示图片测试了程序，也通过了。但是当我将HOGDescriptor* hog = newHOGDescriptor(cvSize(64, 48), cvSize(8, 6), cvSize(8, 6), cvSize(4, 3), 9);添加

1、Gamma/Color Computation  伽玛和色彩归一化论文：作者采用几种输入分别做实验进行测试，分别为RGB、LAB、灰度图。但是最终结果显示在性能表现上，仅仅只能得倒适中的效果。所以作者猜测这也许与后面步骤中对描述符的归一化所获取的结果是相同的。结果：这一步可以省略，因为后面有对描述符的归一化2、Gradient Computation 梯度计算论文：作者

推荐几个机器学习和数据挖掘领域相关的中国大牛：李航：http://research.microsoft.com/en-us/people/hangli/，是MSRA Web Search and Mining Group高级研究员和主管，主要研究领域是信息检索，自然语言处理和统计学习。近年来，主要与人合作使用机器学习方法对信息检索中排序，相关性等问题的研究。曾在人大听过一场他的讲座，对实际应用

以下链接是本人整理的关于计算机视觉（ComputerVision, CV）相关领域的网站链接，其中有CV牛人的主页，CV研究小组的主页，CV领域的paper,代码，CV领域的最新动态，国内的应用情况等等。打算从事这个行业或者刚入门的朋友可以多关注这些网站，多了解一些CV的具体应用。搞研究的朋友也可以从中了解到很多牛人的研究动态、招生情况等。总之，我认为，知识只有分享才能产生更大的价值，真诚希望下面

HOG构造函数CV_WRAP HOGDescriptor() :winSize(64,128), blockSize(16,16), blockStride(8,8),      cellSize(8,8),nbins(9), derivAperture(1), winSigma(-1), histogramNormType(HOGDescriptor::L2Hys),L2HysThresho

在配置VS2005+OpenCV 2.3时，编译Install的时候会出现此错误：error PRJ0019: A tool returned an error code from "Performing Post-Build Event..." 解决方法：右击“Install”，选择“Properties”，选择“Configuration Properties”，选择“

OpenCV2.0在VS2010中的安装可以参考OpenCV中文网站http://www.opencv.org.cn/index.php/VC_2008_Express%E4%B8%8B%E5%AE%89%E8%A3%85OpenCV2.0/2.1。其大致过程如此，但是在用VS编译产生版本库的时候，会出现问题。主要是： error C2039: 'back_inserter': 不是s

OpenCV读取像素，常用到以下两种方法：1、间接方法IplImage *img = cvLoadImage("树叶.bmp"); //加载图片CvScalar cs; //声明像素变量for(int i = 0; i height; i++) for (int j = 0; j width; j++) {