原创 圖形/圖像外文期刊

ACM computing surveys ACM transactions on graphics Computer graphics   EIComputers & graphics Computerized medical imag

原创 SCI 投稿全過程信件模板

一、最初投稿Coverletter Dear Editors: We would like to submit the enclosedmanuscript entitled “Paper Title”, which we wish

原创 橫向比較圖像標註中的兩種基於近鄰思想的方法 TagProp和SGSSL

利用近鄰傳遞標籤的思想進行圖像標註在近幾年的圖像標註工作中取得了很好的效果,甚至有點難以超越的感覺了。其中最具有代表性的是09年ICCV上的 《TagProp:Discriminative Metric Learning in Near

原创 matlab中實現Gabor濾波器

1.spatialgabor.m描述gabor函數 % SPATIALGABOR - applies single oriented gabor filter to an image % % Usage: %  [Eim, Oim,

原创 Grabcut(一)

GrabCut裏用的這個能量函數E是GraphCut裏最常用的。這個這麼去理解:最優的分割Z應該使得分割後前景像素更像前景,背景像素更像背景(前景與背景分別由GMM描述),另外,如果相鄰像素的顏色差異比較小,那麼它們更有可能同屬前景或者背

原创 聚類算法K-Means, K-Medoids, GMM, Spectral clustering,Ncut

聚類算法是ML中一個重要分支,一般採用unsupervised learning進行學習,本文根據常見聚類算法分類講解K-Means, K-Medoids, GMM, Spectral clustering,Ncut五個算法在聚類中的應

原创 計算機視覺、模式識別、機器學習常用牛人主頁鏈接

牛人主頁(主頁有很多論文代碼) Serge Belongie at UC San Diego Antonio Torralba at MIT Alexei Ffros at CMU Ce Liu at Microsoft Researc

原创 最大熵模型介紹及實現

轉自:http://www.cnblogs.com/hexinuaa/p/3353479.html http://blog.csdn.net/hexinuaa/article/details/24711675 Overview 統計

原创 2013計算機視覺代碼合集

來源: http://www.yuanyong.org/cv/cv-code-one.html  http://www.yuanyong.org/cv/cv-code-two.html  http://www.yuan

原创 編譯運行BSR/bench源碼

Berkeley圖像分割數據庫及相應代碼是在64位Linux系統下開發的,包含C和Matlab代碼。今天的任務是在剛裝的32位Ubuntu12.04下編譯運行該代碼包。第一步,需要將 \BSR\bench\source 中的.cc文件編譯

原创 計算機科學中最重要的32個算法

     奧地利符號計算研究所(Research Institute forSymbolic Computation,簡稱RISC)的ChristophKoutschan博士在自己的頁面上發佈了一篇文章,提到他做了一個調查,參與者大多數是

原创 要讀頂級會議上的論文

     在機器學習、計算機視覺和人工智能領域,頂級會議纔是王道。國內教材和CNKI上的基本是N年前老掉牙的東西。有人會質疑這些會議都只是EI。是的,這的確非常特殊:在許多其它領域,會議都是盛會,比如society of neurosc

原创 圖像處理領域的國際會議及期刊

圖像處理領域 一、國際會議 會議名稱 會議介紹 ICCV: IEEE International Conference on Computer Vision 領域頂級國際會議,錄取率20%左右,2年一次,中國大陸每年論文數

原创 圖像處理與計算機視覺基礎,經典以及最近發展

 在這裏,我特別聲明:本文章的源作者是   楊曉冬  (個人郵箱:[email protected])。原文的鏈接是 http://www.iask.sina.com.cn/u/2252291285/ish。版權歸 楊曉冬

原创 Matlab實現線性迴歸和邏輯迴歸: Linear Regression & Logistic Regression

本文爲Maching Learning 欄目補充內容,爲上幾章中所提到單參數線性迴歸、多參數線性迴歸和 邏輯迴歸的總結版。旨在幫助大家更好地理解迴歸,所以我在Matlab中分別對他們予以實現,在本文中由易到難地逐個介紹。 本講內容