原创 利用swig實現python調用C/C++的方法

        Python是一門語法簡單而且清晰的腳本語言,不過執行效率比較低。簡單的說就是開發相對C/C++容易,但是執行效率不如C/C++,甚至有人稱之爲執行效率最低的魚眼。如果可以將最重要的而且變化一般不大的運算邏輯用 C/C++

原创 圖像的稀疏表示——ScSPM和LLC的總結

稀疏編碼系列: (一)----Spatial Pyramid 小結(二)----圖像的稀疏表示——ScSPM和LLC的總結(三)----理解sparse coding(四)----稀疏模型與結構性稀疏模型-----------------

原创 百度圖像搜索探祕

本文轉自:http://blog.sina.com.cn/s/blog_6ae183910101gily.html--------------------------------------------------------------

原创 遷移學習的相關概念

        之前談到了遷移學習和自我學習(可以看這裏),今天會系統整理一下與遷移學習相互關聯的幾個概念。         遷移學習的目標是將從一個環境中學到的知識用來幫助新環境中的學習任務。用一句不正式的語言來定義,則是說,當教會了d

原创 Dirichlet Process 和 Hierarchical Dirichlet Process

       最近在看Dirichlet分佈以及Dirichlet過程,因爲最近感覺Dirichlet過程在聚類以及一些貝葉斯模型上使用很多。參考了很多資料,其中這篇博客介紹HDP算是比較清楚的了,原文鏈接是 http://hi.baid

原创 降維(一)----說說主成分分析(PCA)的源頭

降維繫列:降維(一)----說說主成分分析(PCA)的源頭降維(二)----Laplacian Eigenmaps---------------------       主成分分析(PCA) 在很多教程中做了介紹,但是爲何通過協方差矩陣的

原创 CVPR14與圖像視頻檢索相關的論文

找了一下CVPR 2014關於Image and Video Retrieval的文章,列在下面:Oral:Triangulation embedding and democratic aggregation for image sear

原创 Managing Your Advisor -- Creativity and grad school survival advice from Professor Nick Feamster

轉自:http://greatresearch.org/2013/08/14/managing-your-advisor/紅色部分是我自己highlight的。話不多說,以下原文供大家分享。------------------------

原创 BOW和LSH的一點理解

  去年年底的時候在一篇博客中,用ANN的框架解釋了BOW模型[1],並與LSH[2]等哈希方法做了比較,當時得出了結論,BOW就是一種經過學習的Hash函數。去年再早些時候,又簡單介紹過LLC[3]等稀疏的表示模型,當時的相關論文幾乎一

原创 SIFT vs Dense-SIFT

        有個博友問SIFT和Dense-SIFT在應用上的區別。這個問題可以放大到Sparse feature和Dense feature的使用場景上(不然現在說Dense-SIFT估計沒人鳥了)。之前自己也考慮過這個問題,今天不

原创 Computer Vision的尷尬---by林達華

Computer Vision是AI的一個非常活躍的領域,每年大會小會不斷,發表的文章數以千計(單是CVPR每年就錄取300多,各種二流會議每年的文章更可謂不計其數),新模型新算法新應用層出不窮。可是,浮華

原创 計算機視覺、機器學習相關領域論文和源代碼大集合

原文轉自:http://blog.csdn.net/zouxy09/article/details/8550952原作者是zouxy09,不過作者的代碼部分也應該基於UIUC某同學的總結。這次轉載是在尋找unsupervised imag

原创 BOW模型在ANN框架下的解釋

         Bag of words模型(簡稱BOW)是最常用的特徵描述的方法了。在圖像分類和檢索的相關問題中,能夠將一系列數目不定的局部特徵聚合爲一個固定長度的特徵矢量,從而使不同圖像之間能夠進行直接比較。BOW的改進方法包括一些

原创 CVPR2015一些文章整理

簡單看了一部分CVPR2015的文章。整理了一下。其中我決定把精彩的文章加粗。主要是覺得有些文章只讀了一遍,沒有發現很多很有道理的point(儘管我承認他們的工作都花了很大的功夫,但是沒有激起太大的興趣去follow。也許有機會讀第二遍的

原创 計算機視覺方面2016年重要會議deadline

明年的會議地址相當集中啊。ICASSP 2016,   Shanghai, CN.                      September 25, 2015CVPR 2016,      Las Vegas, US.