xywlpo的专栏

<br />在做基于视觉的目标检测的过程中，这四个概念总也记不住，每次都要上网现查一下，干脆现在就放在这里，免得每次找的都很麻烦。<br />表示分类正确：True Positive：本来是正样例，分类成正样例。 True Negative：本来是负样例，分类成负样例。 <br />表示分类错误：False Positive ：本来是负样例，分类成正样例，通常叫误报。 False Negative：本来是正样例，分类成负样例，通常叫漏报。

MIT一篇cvpr2011实现的快速确定图像边缘的算法，效率比以前快50000多倍！！！MIT的Chang和Fisher基于物体外观的相似度和相异性给每个分割分配一个总的得分，与其他方法为找到一个最高得分的分割不同，他们用高效的找到许多次优的分割，这样不仅可以找到最优的分割，也能找到许多它的分割。GIT的Anthony Yezzi教授评价说”"There are a lot of compet

交叉验证（Cross validation)，有时亦称循环估计， 是一种统计学上将数据样本切割成较小子集的实用方法。于是可以先在一个子集上做分析， 而其它子集则用来做后续对此分析的确认及验证。 一开始的子集被称为训练集。而其它的子集则被称为验证集或测试集。交叉验证是一种评估统计分析、机器学习算法对独立于训练数据的数据集的泛化能力（generalize），交叉验证一般要尽量满足：

做机器视觉和图像处理方面的研究工作，最重要的两个问题：其一是要把握住国际上最前沿的内容；其二是所作工作要具备很高的实用背景。解决第一个问题的办法就是找出这个方向公认最高成就的几个超级专家(看看他们都在作什么)和最权威的出版物(阅读上面最新的文献)，解决第二个问题的办法是你最好能够找到一个实际应用的项目，边做边写文章。 做好这几点的途径之一就是利用网络资源，利用权威网站和专家们的个人主页。依照下

对OpenCV的印象：功能十分的强大，而且支持目前先进的图像处理技术，体系十分完善，操作手册很详细，手册首先给大家补计算机视觉的知识，几乎涵盖了近10年内的主流算法；然后将图像格式和矩阵运算，然后将各个算法的实现函数。我用它来做了一个Harris角点检测器和Canny边缘检测器，总共就花了一个小时（第一次用OpenCV）。而且该库显示图像极其方便，两句话就可以。但该库似乎不大稳定，对32F和16S

来自美国帝腾大学的链接。Camera Calibration Links to toolboxes (mostly MATLAB) for camera calibration. Paul Debevec. Modeling and Rendering Architecture from Photographs. Marc Pollefeys, Tutorial on 3D Model

通过对图像的RGB色彩空间进行归一化处理，在某些情况下是去除光照和阴影影响的一种简单和有效的方法。假设RGB代表原图像某点的像素值，rgb表示归一化之后的值，则r = R / (R+G+B)；g = G / (R+G+B)；b = B / (R+G+B)； 实现归