卷积神经网络介绍 卷积神经网络是一种多层神经网络，擅长处理图像特别是大图像的相关机器学习问题。 最典型的卷积网络，由卷积层、池化层、全连接层组成。其中卷积层与池化层配合，组成多个卷积组，逐层提取特征，最终通过若干个全连接层完成分类。 卷积层完成的操作，可以认为是受局部感受野概念的启发，而池化层，主要 ...
分类：
其他好文 时间：
2018-11-01 21:02:55
阅读次数：
607
一、 词向量的表示方式： （1）one-hot方式： 考虑一个词表V，里面的每一个词 wi都有一个编号 i∈{1,...,|V|}，那么词 wi的one-hot表示就是一个维度为|V|的向量，其中第i个元素值非零，其余元素全为0。例如：w2=[0,1,0,...,0]Tw3=[0,0,1,...,0 ...
分类：
其他好文 时间：
2018-10-28 22:02:50
阅读次数：
205
SIFT ：scale invariant feature transform HOG：histogram of oriented gradients 这两种方法都是基于图像中梯度的方向直方图的特征提取方法。 1. SIFT 特征 实现方法： SIFT 特征通常与使用SIFT检测器得到的感兴趣点一起 ...
分类：
其他好文 时间：
2018-10-09 21:43:41
阅读次数：
202
该特征常和AdaBoost结合用于识别人脸。Haar特征很简单，分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描 ...
分类：
编程语言 时间：
2018-10-08 17:21:44
阅读次数：
294
照搬pytorch官方代码，只是将数据集换成了INRIAPerson数据集中的train和test文件夹。 贴下代码和效果，代码是官方的，就不详细解释了。 微调和特征提取两种方法的效果都很棒 ...
分类：
其他好文 时间：
2018-10-06 15:33:35
阅读次数：
162
前言 HOG特征的全称是Histograms of Oriented Gradients，基于HOG特征的人脸识别算法主要包括HOG特征提取和目标检测，该算法的流程图如下图所示。本文主要讲HOG特征提取。 HOG特征的组成 Cell：将一幅图片划分为若干个cell（如上图绿色框所示），每个cell为 ...
分类：
其他好文 时间：
2018-10-04 22:04:36
阅读次数：
189
在说到人脸检测我们首先会想到利用Harr特征提取和Adaboost分类器进行人脸检测(有兴趣的可以去一看这篇博客第九节、人脸检测之Haar分类器)，其检测效果也是不错的，但是目前人脸检测的应用场景逐渐从室内演变到室外，从单一限定场景发展到广场、车站、地铁口等场景，人脸检测面临的要求越来越高，比如：人 ...
分类：
Web程序 时间：
2018-09-30 23:20:41
阅读次数：
1607
1. 矩的概念 图像识别的一个核心问题是图像的特征提取，简单描述即为用一组简单的数据（图像描述量）来描述整个图像，这组数据越简单越有代表性越好。良好的特征不受光线、噪点、几何形变的干扰。图像识别发展几十年，不断有新的特征提出，而图像不变矩就是其中一个。 矩是概率与统计中的一个概念，是随机变量的一种数 ...
分类：
其他好文 时间：
2018-09-29 20:31:44
阅读次数：
218
https://adeshpande3.github.io/adeshpande3.github.io/ https://blog.csdn.net/weiwei9363/article/details/79112872 https://blog.csdn.net/and_w/article/det ...
分类：
其他好文 时间：
2018-09-09 14:45:32
阅读次数：
214
目标检测（object detection）的基本思路： 检测（detection）+ 定位（localization） 目标检测在很多场景有用，如无人驾驶和安防系统。 传统方法 特征提取算法（如：haar特征，HOG特征）+分类器（如：svm） 深度学习方法 R-CNN (Regions with ...
分类：
其他好文 时间：
2018-09-06 22:52:21
阅读次数：
214
