【轉】zouxy09博客原創性博文導航

原文地址：http://blog.csdn.net/zouxy09/article/details/14222605

zouxy09博客原創性博文導航

[email protected]

http://blog.csdn.net/zouxy09

 

       2012年8月21號開始了我的第一篇博文，也開始了我的研究生生涯。懷着對機器學習和計算機視覺等等領域的懵懂，從一個電子材料的領域跨入這個高速發展的人工智能領域。從開始的因無知而驚慌，因陌生而乏力，到一步步的成長。這過程的知識積累也都大部分反映在這個博客上面了。感謝這個平臺促使自己去總結去堅持去進步。也感謝這個平臺給我帶來了和大家交流的機會。藉此博文總結自己過去與未來可能散亂的博文。在此也謝謝大家一直的支持和鼓勵，謝謝。

 

一、基於計算機視覺的目標跟蹤

計算機視覺、機器學習相關領域論文和源代碼大集合

計算機視覺目標檢測的框架與過程

最簡單的目標跟蹤（模版匹配）

壓縮感知（Compressive Sensing）學習之（一）

壓縮感知（Compressive Sensing）學習之（二）

壓縮跟蹤Compressive Tracking

壓縮跟蹤Compressive Tracking源碼理解

TLD（Tracking-Learning-Detection）學習與源碼理解之（一）

TLD（Tracking-Learning-Detection）學習與源碼理解之（二）

TLD（Tracking-Learning-Detection）學習與源碼理解之（三）

TLD（Tracking-Learning-Detection）學習與源碼理解之（四）

TLD（Tracking-Learning-Detection）學習與源碼理解之（五）

TLD（Tracking-Learning-Detection）學習與源碼理解之（六）

TLD（Tracking-Learning-Detection）學習與源碼理解之（七）

CVPR2013一些論文集合供下載（visual tracking相關）

時空上下文視覺跟蹤（STC）算法的解讀與代碼復現

基於感知哈希算法的視覺目標跟蹤

基於meanshift的手勢跟蹤與電腦鼠標控制（手勢交互系統）

關於計算機視覺（隨談）

二、Deep Learning 深度學習

Deep Learning（深度學習）學習筆記整理系列之（一）

Deep Learning（深度學習）學習筆記整理系列之（二）

Deep Learning（深度學習）學習筆記整理系列之（三）

Deep Learning（深度學習）學習筆記整理系列之（四）

Deep Learning（深度學習）學習筆記整理系列之（五）

Deep Learning（深度學習）學習筆記整理系列之（六）

Deep Learning（深度學習）學習筆記整理系列之（七）

DeepLearning（深度學習）學習筆記整理系列之（八）

DeepLearning源代碼收集

Deep Learning論文筆記之（一）K-means特徵學習

Deep Learning論文筆記之（二）Sparse Filtering稀疏濾波

Deep Learning論文筆記之（三）單層非監督學習網絡分析

Deep Learning論文筆記之（四）CNN卷積神經網絡推導和實現

Deep Learning論文筆記之（五）CNN卷積神經網絡代碼理解

Deep Learning論文筆記之（六）Multi-Stage多級架構分析

Deep Learning論文筆記之（七）深度網絡高層特徵可視化

Deep Learning論文筆記之（八）Deep Learning最新綜述

基於3D卷積神經網絡的行爲理解（論文筆記）

 

三、機器學習相關

機器學習算法中文視頻教程

機器學習知識點學習

從最大似然到EM算法淺解

淺說機器學習中“迭代法”

徑向基網絡（RBF network）之BP監督訓練

模板匹配中差值的平方和（SSD）與互相關準則的關係

生成模型和判別模型

機器學習中的範數規則化之（一）L0、L1與L2範數

機器學習中的範數規則化之（二）核範數與規則項參數選擇

LibLinear（SVM包）使用說明之（一）README

LibLinear（SVM包）使用說明之（二）MATLAB接口

LibLinear（SVM包）使用說明之（三）實踐

計算機視覺、機器學習相關領域論文和源代碼大集合

機器學習算法與Python實踐之（一）k近鄰（KNN）

機器學習算法與Python實踐之（二）支持向量機（SVM）初級

機器學習算法與Python實踐之（三）支持向量機（SVM）進階

機器學習算法與Python實踐之（四）支持向量機（SVM）實現

機器學習算法與Python實踐之（五）k均值聚類（k-means）

機器學習算法與Python實踐之（六）二分k均值聚類

機器學習算法與Python實踐之（七）邏輯迴歸（Logistic Regression）

基於稀疏矩陣的k近鄰（KNN）實現

神經網絡訓練中的Tricks之高效BP（反向傳播算法）

人臉識別之特徵臉方法（Eigenface）

Python機器學習庫scikit-learn實踐

標籤傳播算法（LabelPropagation）及Python實現

四、Kinect相關學習與實踐

KinectSDK v1.7 新特性、交互框架與新概念

Kinect開發學習筆記之（一）Kinect介紹和應用

Kinect開發學習筆記之（二）Kinect開發學習資源

Kinect開發學習筆記之（三）Kinect開發環境配置

Kinect開發學習筆記之（四）提取顏色數據並用OpenCV顯示

Kinect開發學習筆記之（五）不帶遊戲者ID的深度數據的提取

Kinect開發學習筆記之（六）帶遊戲者ID的深度數據的提取

Kinect開發學習筆記之（七）骨骼數據的提取

Kinect開發學習筆記之（八）彩色、深度、骨骼和用戶摳圖結合

 

五、語音信號處理與語音識別

語音信號處理之（一）動態時間規整（DTW）

語音信號處理之（二）基音週期估計（Pitch Detection）

語音信號處理之（三）矢量量化（Vector Quantization）

語音信號處理之（四）梅爾頻率倒譜系數（MFCC）

語音的基本概念–譯自CMU sphinx

語音識別的基礎知識與CMUsphinx介紹

PocketSphinx語音識別系統的編譯、安裝和使用

PocketSphinx語音識別系統語言模型的訓練和聲學模型的改進

PocketSphinx語音識別系統聲學模型的訓練與使用

PocketSphinx語音識別系統的編程

 

六、運動檢測

運動檢測（前景檢測）之（一）ViBe

運動檢測（前景檢測）之（二）混合高斯模型GMM

 

七、圖像特徵分析

目標檢測的圖像特徵提取之（一）HOG特徵

目標檢測的圖像特徵提取之（二）LBP特徵

目標檢測的圖像特徵提取之（三）Haar特徵

 

八、圖像處理相關

簡單粗糙的指尖檢測方法（FingerTipsDetection）

光流Optical Flow介紹與OpenCV實現

用單張2D圖像重構3D場景

圖像卷積與濾波的一些知識點

 

九、圖像分割

圖像分割之（一）概述

圖像分割之（二）Graph Cut（圖割）

圖像分割之（三）從Graph Cut到Grab Cut

圖像分割之（四）OpenCV的GrabCut函數使用和源碼解讀

圖像分割之（五）活動輪廓模型之Snake模型簡介

圖像分割之（六）交叉視覺皮質模型（ICM）

 

十、系統工程

基於Qt的P2P局域網聊天及文件傳送軟件設計

基於FPGA的紅外遙控解碼與PC串口通信

交互系統的構建之（一）重寫Makefile編譯TLD系統

交互系統的構建之（二）Linux下鼠標和鍵盤的模擬控制

交互系統的構建之（三）TTS語音合成的加盟

交互系統的構建之（四）手掌與拳頭檢測加盟TLD

基於meanshift的手勢跟蹤與電腦鼠標控制（手勢交互系統）

十一、嵌入式系統

ubuntu12.04安裝與配置

OpenAL跨平臺音效API的安裝與移植

Yaffs2根文件系統製作

TTS技術簡單介紹和Ekho（餘音）TTS的安裝與編程

Android學習筆記之（一）開發環境搭建

 

十二、編程相關

Python基礎學習筆記之（一）

Python基礎學習筆記之（二）

Matlab與C++混合編程（依賴OpenCV）

Python多核編程mpi4py實踐

十三、一些行業調研

OmniVision的CMOS 圖像傳感器技術發展路線

SONY的CMOS 圖像傳感器技術發展路線

SAMSUNG的CMOS 圖像傳感器技術發展路線

CMOS圖像傳感器應用實例及其發展趨勢分析

 

十四、雜亂

zigzag模式提取矩陣元素