原创 凸優化學習筆記
1.凸集：一個集合區域內任意兩點的直線連接都在這個區域內，則這個集合爲凸集。比如：扇形、缺失了某個邊的矩形就不屬於凸集。 2.超平面、半超平面 超平面：，半超平面：或者。其中超平面在二維空間就是直線。超平面和半超平面可以組成一個多面體，構
2019-03-03 20:59:14
原创 ubantu初探筆記
1. linux下文件的後綴名沒有具體的意義，也可以不用加，但是爲了便於區分，我們習慣在定位文件名的時候加一個後綴。這樣用戶看到這個文件名時就會知道它到底是個什麼文件。例如.zip，.sh，.tar.gz，.cnf等等。 2.linux與
2019-02-27 20:40:49
原创 安裝Ubantu
最近研究起Linux系統來，先來個安裝Ubantu。 1.先是在windows系統中，用虛擬機安裝Ubantu。 虛擬機：VMware 具體安裝方法：https://www.linuxidc.com/Linux/2016-11/13724
2019-02-19 20:16:41
原创 相機調試參數筆記
主要是根據IPC人臉安裝指導做些相機調試筆記： （如果有侵權，請聯繫我刪掉，謝謝！） 1.調試“曝光”參數 （1）快門時間設置 在一定時間範圍內，確保相機曝光在這個範圍內能夠自動調節；設置一個上限是爲了防止光線較暗的情況下出現人臉拖影（如
2019-02-16 15:25:42
原创 對機器學習開源框架的一些認識
開源框架有：Theano、Tensorflow、Caffe、Torch、SciKit-learn 各自的應用： 1.Theano開發於2007年，擅長處理多維數組的庫，偏底層，需要從底層建立模型。與後來出現的Tensorflow非常相似。
2019-02-14 20:37:49
原创 視覺發展歷程筆記：From cs231n
以下內容主要學習李飛飛視覺第一課筆記。如果有不對的地方，請指出，謝謝！ 視覺可以和很多學科相關，比如用到鏡頭，成像知識的物理，生物，用到建模的數學，與機器人相關的工程學，用來感知的心理學，計算機科學等。
2018-12-25 20:42:30
原创 監督學習應用：梯度下降
監督學習 裝甲車：訓練它，訓練過程由真人實施，但是裝甲車在學習，記錄訓練員的動作，圖像。人類司機交給它用什麼方向來行駛。是監督學習的過程。2分鐘訓練後，裝甲車學習了人類司機的動作。12次後，可以自己進行駕駛。這是一個迴歸問題，連續值。 房
2018-12-07 20:32:12
原创 深度學習小結
1.深度學習 爲何有效：模型複雜度、大量數據、硬件崛起。有效的算法。 2.線性模型：比如是3分類問題。如果圖像是2*2的，線性模型能做的是把變成四維矩陣的向量。如果輸入的圖像跟所對應的類的點成的對象越大，說明越接近。Linear We
2018-12-01 00:05:06
原创 機器學習筆記1：機器學習的動機與應用
目標：機器學習有意義；機器學習的應用；所有人有能力進行機器學習的研究。 預備知識：隊、列、二叉樹、線性代數 預備軟件：Octave、Matlab 機器學習：1959年由Arthur提出：在不直接對對問題賦予計算機學習能力的一個領域。寫一個
2018-11-26 05:20:34
原创 BRISK算法學習筆記
一、部分原文解讀 1.尺度空間關鍵點檢測 興趣點用一個顯著性標準在圖像和尺度空間進行識別。爲了加快計算的效率，關鍵點可以在金字塔圖像的層或者層之間進行檢測。每個關鍵點的位置和尺度通過二次函數擬合的方式在持續的區域獲得。 2
2018-11-21 23:11:18
10
原创 三維視覺學習筆記
0.引言： 怎麼獲得3D信息？ >>用2D相機、距離傳感器 在3D世界獲得3D信息? >>從相機中進行2D、3D重建；用Kinect傳感器，激光距離傳感器直接3D獲取 傳感器思維? >>用陣列相機 1.2D到3D的重構 可以利用小孔成
2018-11-21 05:18:57
原创 圖像處理基礎知識筆記
一、噪聲 1.噪聲產生的原因：傳感器源的質量、光照的影響、質量的影響 2.加性噪聲：與信號關係相加 3.乘性噪聲：與信號關係相乘，與信噪比有關，隨機性是變性 白噪聲：功率譜在整個頻域內分佈的噪聲 高斯噪聲：呈高斯型 二、濾波 eg:利
2018-11-20 05:42:49
原创 SIFT算法原文解析
一、整體概括 在David G.Lowe的《Distinctive Image Features from Scale-Invariant Keypoints》中講解了有很多特性的圖像特徵，這些特徵在不同圖像的物體中或者場景
2018-11-13 22:58:45
原创 小波變換學習筆記
一、小波介紹概括（來源於百度） 傳統的信號理論，是建立在Fourier分析基礎上的，而Fourier變換作爲一種全局性的變化，其有一定的侷限性，如不具備局部化分析能力、不能分析非平穩信號等。在實際應用中人們開始對F
2018-11-13 22:58:33
原创 AlexNet原文說明
AlexNet相對於之前的卷積神經網絡，它使用了最大池化層，ReLU, softmax， GPU 1.先說明下ReLU：標準的方法來模擬神經元的輸出f的函數是用f(x) = tanh(x)或者另外一個指數函數，但是對於梯度下降的訓練時間來
2018-11-07 05:26:17