原创 deep learning convolution and pooling(卷積和池化)

一、首先先給出圖示,什麼叫卷積。(http://deeplearning.stanford.edu/wiki/index.php/) 當然很多人會疑問,爲什麼卷積後的圖像會縮小,那是因爲在進行圖像濾波的時候邊緣沒有加0進行填充。正常的圖

原创 QP問題的解法(拉格朗日乘子法)

<span style="font-family:Times New Roman;font-size:18px;">function [x,lam,fval]=qlag(H,A,b,c) % 拉格朗日法求解二次規劃問題

原创 正態分佈模式的貝葉斯分類

我不講兩類分類,這次換成三分類,其餘多維特徵,多分類以此類推,沒必要再講。無非是多幾個線性判決。 隨機產生三種不同均值方差的三類隨機點,可以到資源裏面下載(免費)做實驗。 可以有下圖知道,3類不同的點,需要3個判別函數。下面我只講藍色點和

原创 我對貝葉斯分類器的理解

我們可以得到其統計概率密度如下: 這樣我們就知道該概率密度曲線大致符合正態分佈,如下圖所示 大概可以看出它在中心很集中,邊緣很少,我們可以假定它服從高斯分佈(正態分佈),其概率密度函數如下:

原创 行人再識別和步態識別綜述

摘要:本文主要介紹了行人再識別和步態識別的方法 詳細的信息可以見資源的ppt

原创 matlab---triplet loss

**摘要:**triplet loss 可以提高特徵匹配的性能,可用物體識別,人臉識別,檢索等方面,本文用matlab實現triplet loss。 triplet loss 就是學習一個函數隱射f(x)  , 從特徵x  映射到 R 

原创 matlab利用hinge loss實現多分類SVM

介紹 hinge loss code 1 介紹 本文將介紹hinge loss E(w) 以及其梯度∇E(w) 。並利用批量梯度下降方法來優化hinge loss實現SVM多分類。利用hinge loss在手寫字數據庫上實驗,能

原创 人臉識別---開集測試評價指標ROC曲線

摘要:本文主要講開集測試指標ROC曲線。 開集測試更加符合實際的場景。一般要得到ROC曲線需要準備三個數據集,一個是gallery集,稱爲註冊集,第二個是包含gallery集的ID的probe集,和不包含gallery集的ID的probe

原创 deep learning---利用caffe在vgg-face上finetuing自己的人臉數據

Abstract:本文將講解如何利用自己的人臉數據在vgg-face上finetuing,主要包括數據的生成和文件的設置,以及最後的運行。 1.代碼和文件準備 代碼caffe:http://caffe.berkeleyvision.or

原创 deep learning---MatConvent框架的簡單介紹(一)

Abstract:本文主要介紹MatConvent框架,意在熟悉Matlab能夠利用MatConvent輕鬆搭建自己的網絡完成相應的任務。 對於不熟悉C++人來說,改以C++爲底層的深度學習代碼難度非常大。這時我們可以以matlab爲底

原创 人臉識別---人臉圖像預處理

Abstrcat—人臉圖像預處理是爲了去除光照對人臉影響。 通常我們採用直方圖均衡化對人臉圖像進行處理。下面介紹一個方法對人臉進行預處理,由於沒有找到相關文獻的介紹,現在只能給出公式以及該方法與直方圖均衡化後的結果。該方法最終得到識別率比

原创 人臉識別---排序測度特徵(Ordinal Measures)

Abstract—本文主要講解下排序測度在人臉識別中特徵提取的過程。       下面來看一張圖(圖1)來描述排序測度特徵. 圖1 虹膜排序測度的提取,最後用了hamming距離來比對數據庫的模板。這是提取虹膜特徵的一個方法。  

原创 人臉識別---基於深度學習和稀疏表達的人臉識別算法

介紹 基於深度學習和稀疏表達的人臉識別算法 1 利用VGGFace提取人臉特徵 2 PCA對人臉特徵進行降維 3 稀疏表達的人臉匹配 Code 1 介紹 本文將介紹一種基於深度學習和稀疏表達的人臉識別算法。首先,利用深度學習

原创 利用C++製作dll並調用dll

Abstract:本文講解如何利用c++製作dll並調用dll,用一個簡單的加法函數來作爲演示,並給出圖形界面。 1. 打開vs(我用的是vs2010),然後點擊文件—>文件—>新建—>項目,選擇Win32控制檯應用程序。並輸入你想建立的

原创 Opencv---計算圖像直方圖方差和均值

Abstrcat:本文主要講解如何計算圖像直方圖的方差和均值 1.求解一個圖像的直方圖,原圖需要爲灰度圖,代碼如下:(首先需要申明通道和直方圖的範圍) const int channels[1]={0}; const int histS