王嗣钧-CSDN博客

原创文献笔记：《Fitting a 3D Morphable Model to Edges: A Comparison Between Hard and Soft Correspondences》读后感~

发一篇小文，未完待续哈！

2016-02-27 13:21:54 6368 8

原创文献笔记：《Can we still avoid automatic face detection?》读后感~

要开始回归博客生活喽

2016-02-25 23:04:17 2109

原创 Stereo Matching文献笔记之（十）：经典算法Semi-Global Matching（SGM）之碉堡的动态规划~

上一篇博客中提到了SGM的第一部分，基于分层互信息（HMI）的代价计算，时隔两个月，本文继续说说自己对SGM代价聚合部分的理解。

2016-01-09 16:02:19 20095 50

原创总结一下遇到的各种核函数~

由于之前做了很多核方法相关的子空间学习算法，本文打算对各种核函数进行一下简要的介绍，希望对大家能够有所帮助。

2015-07-24 01:08:50 50023 14

之前看过一些关于Gentle Adaboost的文献，尤其是那几篇经典的文献，但是有几处当时一直没有彻底理解，比如说文献《Face Detection Based on MBLBP Representation》中的第3小节，我开始就比较糊涂，于是借着这篇文献的内容，把基于可度量特征与非可度量特征的Gentle Adaboost之间的区别和联系介绍一番，同样，这对于另外几种Adaboost也同样适用，希望对同样困惑的童鞋有所帮助。

2015-01-12 22:39:18 9523 3

原创人脸检测中几种框框大小的选择~

人脸检测应用极为广泛，内部细节也偏多，尤其是涉及到几种类型的框，这几种框的大小之前有着千丝万缕的联系，对检测性能的好坏影响程度大小不一。本篇文章基于自己在人脸检测方面的经验，对这些框的来龙去脉尽量做出解释。

2014-11-18 10:18:52 11422 1

原创解释一下核主成分分析(Kernel Principal Component Analysis, KPCA)的公式推导过程~

KPCA，中文名称”核主成分分析“，是对PCA算法的非线性扩展，言外之意，PCA是线性的，其对于非线性数据往往显得无能为力，例如，不同人之间的人脸图像，肯定存在非线性关系，自己做的基于ORL数据集的实验，PCA能够达到的识别率只有88%，而同样是无监督学习的KPCA算法，能够轻松的达到93%左右的识别率（虽然这二者的主要目的是降维，而不是分类，但也可以用于分类），这其中很大一部分原因是，KPCA能够挖掘到数据集中蕴含的非线性信息。

2014-10-23 15:44:07 62029 49

原创人脸姿态估计浅谈~

之前做过一段时间的人脸姿态估计研究，取得了比较理想的效果，拿出来和大家分享一下，第一次写博客，肯定有表达不清晰的地方，还请大家多多批评哈！当时自己刚开始这方面的研究，特别想找到关于这方面的博客介绍，可惜没有，于是产生了写一篇该方向上博客的想法，废话不多说，开始介绍！人脸姿态估计，顾名思义，给定一张人脸图像，确定其姿态，姿态由什么构成呢？很简单（pitch，yaw，roll）三种角度，分别代

2014-09-15 16:14:53 31672 14

原创偶然翻到的一首小诗

三月翻日记忽见此诗，须臾之间光阴已十载。现虽无海量之财，然已成家立业，日子欣欣向荣，奋斗之心亦有增无减。现将此诗于博客公开，权做十年光阴之纪念。

2022-07-29 16:02:45 327 2

转载一个机器学习算法工程师的基本素质～

看到一篇很通俗易懂诙谐幽默的博客，一名真正的机器学习算法工程师所需要的技能

2017-01-19 14:17:01 6473 2

原创离职了，写点什么吧~

离职了，写点什么吧~

2016-05-09 22:37:05 21831 11

转载逻辑回归好文转载

一篇很牛的逻辑回归介绍文章

2015-11-10 17:16:04 1767

原创 Stereo Matching文献笔记之（九）：经典算法Semi-Global Matching（SGM）之神奇的HMI代价计算~

SGM算法源于《Stereo Processing by Semi-Global Matching and Mutual Information》一文，我认为这篇文章是立体匹配算法中最给力的，放眼KITTI，可以发现目前排名前五十的算法几乎一半都是对SGM的改进，具有最强的实用价值。SGM中文名称“半全局匹配”，顾名思义，其介于局部算法和全局算法之间，所谓半全局指的是算法既没有只考虑像素的局部区域，也没有考虑所有的像素点。例如，BM计算某一点视差的时候，往往根据目标像素周围的矩形区域进行代价聚合计算；Dou

2015-10-28 08:10:29 37103 45

原创 Stereo Matching文献笔记之（八）：《On Building an Accurate Stereo Matching System on Graphics Hardware》读后感~

周末喽~！又有时间写写博客了，继续之前的论文读后感，我发现写博客有好几个好处：1.分享。2.备忘。3.锻炼表达能力。不知道有没有童鞋和我有一样的结论，今天写写今年四月份精读过的一篇文章《On Building an Accurate Stereo Matching System on Graphics Hardware》，文章名咋看起来有点像硬件相关文献，为什么叫做一个系统，我想可能是由于作者来自于企业的研究院才这么起名的，但说出它的别名大家就都知道了，就是AD-Census，这是2011年提出来的算法，作

2015-10-25 14:18:06 10696 17

原创 Stereo Matching文献笔记之（七）：《Spatial-Depth Super Resolution for Range Images》读后感~

这篇博客主要介绍一下自己对立体匹配文献《Spatial-Depth Super Resolution for Range Images》一文的理解，本文是杨庆雄的又一篇经典文章，发表于CVPR2007，引用次数颇高。再加上，当时在是《Stereo Matching Using Tree Filtering》看到的引用，十分好奇，所以拿来说说自己的分析，与大家分享。1. 相关概念

2015-09-30 07:17:50 6502 22

原创 Stereo Matching文献笔记之（六）：浅谈置信度传播算法（Belief-Propagation）在立体匹配中的应用~

这是我一个纠结过的问题，曾经反反复复的看相关的知识，Belief-Propagation是一个伴随着“马尔科夫随机场”提出的优化算法，我对优化算法情有独钟，一直觉得搞定了各种优化，机器学习剩下的也就是知识扩展而已，嘿嘿，我也不知道这么想是对是错，最近脑袋糊涂的厉害，请各位见谅。。。。

2015-09-13 23:16:28 14303 14

转载转载BP算法介绍好文

转载介绍置信度传播BP算法好文章，文章沿着经典文献《Efficient Belief Propagation for Early Vision》的脉络对BP算法在图像分割领域的应用过程进行介绍，很给力！！

2015-09-07 17:15:13 2454

原创 Stereo Matching文献笔记之（五）：经典算法DoubleBP读后感~

DoubleBP是一个立体匹配全局算法，来自于论文《Stereo Matching with Color-Weighted Correlation, Hierarchical Belief Propagation, and Occlusion Handling》，PAMI2009年提出，这是我第一篇读的，关于立体匹配方向的论文，当时感觉立体匹配太难了，很多概念都不知道是啥意思，比如说Color-We

2015-09-05 20:34:06 6658 10

原创 Stereo Matching文献笔记之（四）：《Stereo Matching Using Tree Filtering》读后感~

前段时间研究了non-local算法在双目立体匹配上的应用，这几天又看到作者在PAMI上发表的这篇文章，于是仔细的拜读了一下，惊讶的发现原来NL算法竟然可以应用在多个方向，其实在《A Non-Local Cost Aggregation Method for Stereo Matching》一文中，已经有过关于refinement方面的论述，但是被自己给“忽略”掉了，原来自己的算法知识面还是很窄，汗

2015-09-01 16:50:27 8590 21

原创编程经验：Cmake编译Opencv3.0&extra model所遇到的种种问题~

前段时间调研一个算法，作者提供了源代码，很自豪的宣布源代码已经集成在了3.0中，于是我就开始了“苦逼”的配置之旅，结果遇到了N个bug，还好自己有截图的习惯，本文就说说我遇到的问题，以及如何解决部分问题。

2015-08-29 00:03:25 6296

原创 Stereo Matching文献笔记之（三）：《Segment-Tree based Cost Aggregation for Stereo Matching》读后感~

《Segment-Tree based Cost Aggregation for Stereo Matching》是稠密立体匹配的好算法，其基于NLCA进行区域分割方向的改进，理论很新颖，虽然效果差强人意。。。

2015-08-27 20:15:28 8099 29

转载编程经验：关于OpenCV源码调试的好文章转载~

这么长时间看到的关于opencv+VS+Cmake的配置文章，尤其是关于opencv源码调试的文章，一下两篇写的最好，于是转载分享给大家，希望大家以后不要在配置上再花费“无谓”的时间。第一篇:《VS2010重编译OpenCV2.4.9 用于调试源代码》,http://blog.csdn.net/szlcw1/article/details/38489311.1、工具

2015-08-18 11:13:11 3273

转载一篇给力的Bag-of-words模型入门介绍文章~

SIFT算法的应用－目标识别之用Bag-of-words模型表示一幅图像作者：Savitch出处：http://blog.csdn.net/assiduousknight/article/details/16901427 引言本blog之前已经写了四篇关于SIFT的文章，请参考九、图像特征提取与匹配之SIFT算法，九（续）、

2015-07-27 18:57:04 40495 3

原创聊聊EM算法~

EM算法(Expection Maximuzation)的中文名称叫做期望最大化，我的理解EM算法就是一种引入隐含变量的坐标向上法，它与其他优化方法的目的相同，就是求解一个数学模型的最优参数，不同之处在于EM算法交互迭代的对象是隐含变量与模型参数，一般隐含变量表现为数据的类别。期望说白了就是数据的权重平均，在EM算法中，可以理解为数据的类别，那么既然确定好了数据的类别，下一步就是想办法求取新数据构成分布的参数，一般采用最大似然法求取最优参数。剩下的就是最普通的迭代过程，先初始化参数，计算数据的概率分布，再对

2015-07-07 17:58:46 2860 1

原创编程经验：几个OPENCV中挺有意思的BUG~

不写博客好长时间了，近期忙于实现论文中的算法，调试了一波又一波的bug，这个是最耗时的，本文分享一个我今天遇到的一个挺有意思的bug。

2015-06-24 21:34:55 3751

原创浅谈随机森林在人脸对齐上的应用~

在我之前的博客中介绍过随机森林，随机森林在机器学习中的应用十分广泛，它属于非传统的机器学习算法，其他的诸如神经网络，MRF，Adaboost，乃至现在大名鼎鼎的深度学习，越来越取代了传统机器学习算法，如子空间学习，流程学习等的地位。果不其然，在众多基于传统机器学习的人脸对齐算法中，去年CPVR2014也出现了一篇论文，名曰《Face Alignment At 3000fps via Local Binary Features》，正是利用了随机森林对特定点进行定位，取得了与SDM等算法同样的效果，最关键的是，

2015-04-22 23:15:58 6111 16

原创 Stereo Matching文献笔记之（二）：《A Non-Local Cost Aggregation Method for Stereo Matching》读后感~

最近一直在做stereo matching方向的研究，仔细研读了包括局部算法，全局算法，以及半全局算法三个方面的算法文献，对该方向有了比较清晰的了解，这次分享一下我对杨庆雄的经典文献《A Non-Local Cost Aggregation Method for Stereo Matching》（简称NL算法）的一些理解。

2015-04-14 14:15:27 12383 58

原创编程经验:由于路径设置引起的VS2010不能正确输出文件的bug~

前段时间，偶然遇到这样一个bug，我把静态库项目都配置好了，编译一切正常，但是提示了一个警告：

2015-04-09 10:55:30 4098 1

原创谈谈自己对随机森林(Random Forest)的一点理解以及代码注释~

之前因为做过随机森林方面的项目，对随机森林有过研究，但理论这块还不是很深入，代码倒是看了不少，这里写下这篇博客，说说对随机森林的一些理解，以及附上了一份代码注释。

2015-03-27 18:02:17 15131 7

原创《BING: Binarized Normed Gradients for Objectness Estimation at 300fps》读后感~

夜深人静了，就想写点什么，早在去年，BING刚一出现就对其进行了关注，CVPR2014的文章，作者提供了详细的源代码，得到了普遍的认可，本文谈谈对BING的一些个人理解，欢迎批评指正！

2015-03-24 22:58:46 4751 16

原创 Stereo Matching文献笔记之（一）：《Cross-Scale Cost Aggregation for Stereo Matching》读后感~

最近，在做立体匹配方向相关的研究，先去网上找最新鲜的论文，看到了这篇文献（简称CSCA），来源于CVPR2014，令我惊奇的是，作者竟然提供了详细的源代码，配置运行了一下，效果还真不错，速度也还可以，具有一定的实用价值，所以拿来和大家分享一下。

2015-03-18 15:32:48 30672 61

原创编程经验：一个由windows.h&&winbase.h引起的bug~

最近遇到一个莫名其妙的bug，上网查找，没有找到正确的解决办法，难道大家都没遇到？于是我说一说自己是怎么解决的。

2015-03-09 16:43:50 5499

原创编程经验：不同版本OpenCV之间并存可能引起的bug~

本文说一说我使用opencv遇到的一个bug，以及解决办法。

2015-03-05 18:57:04 3741 1

原创 Opencv研读笔记:haartraining程序之cvCreateCARTClassifier函数详解（CART树状弱分类器创建）~

cvCreateCARTClassifier函数在haartraining程序中用于创建CART树状弱分类器，但一般只采用桩分类器，因为其训练过程实在是太慢了。之前自己调试过代码，要等差不多10分钟（2000正样本、2000负样本）才能训练完一个3节点的弱分类器，当然，总体的树状弱分类器的数目可能也会减少2/3，这个还没有仔细训练过。之所以将此函数拿出来说说，主要是因为之前在网上找不到专门针对这个函数的说明，同时，基于CART树的弱分类器，也具有一定的借鉴意义。

2015-02-02 17:49:14 2465 6

原创 Opencv研读笔记:haartraining程序之icvCreateCARTStageClassifier函数详解（强分类器创建）~

之前介绍了haartraining程序中的cvCreateMTStumpClassifier函数，这个函数的功能是计算最优弱分类器，这篇文章介绍一下自己对haartraining中关于强分类器计算的一些理解，也就是程序中的icvCreateCARTStageClassifier函数。

2015-01-04 20:24:00 3658 11

原创 2014年度总结篇之我要九阴真经

2014最后一天了，去年的今天，我看到有位兄才写了年度总结，看的自己热血沸腾，那个时候自己还没有写过一篇博客，直到今年九月份，才开始第一次在CSDN博客中撰写文章。一瞬间，2014要结束了。

2014-12-31 15:15:36 1860 10

原创 Opencv研读笔记:haartraining程序之cvCreateMTStumpClassifier函数详解（弱分类器创建）~

cvCreateMTStumpClassifier函数出自opencv中的haartraining程序，在adaboost（cvCreateTreeCascadeClassifier）的强分类器（icvCreateCARTStageClassifier）中被两次调用，该函数用于寻找最优弱分类器，或者说成计算最优haar特征。功能很明确，但是大家都知道的，opencv的代码绝大部分写的让人真心看不懂，这个函数算是haartraining中比较难以看懂的函数，局部变量达到20个之多，童鞋我也是不甘心，不甘心被这

2014-12-31 14:31:36 2426 2

原创 Opencv研读笔记:haartraining程序之莫名其妙的条件宏ICV_DEF_FIND_STUMP_THRESHOLD_SQ解释~

曾经，纠结过haartraining中条件宏ICV_DEF_FIND_STUMP_THRESHOLD_SQ的使用，主要对它的代码结构和内容比较不解，针对这个条件宏，自己专门看了Gentle Adaboost的paper，才彻底理解代码的含义，我想也有童鞋同样对这段代码比较困惑，所以写下这篇博客。

2014-12-29 20:20:13 2653 2

原创对人脸检测中误检漏检的一些理解~

人脸检测是二分类问题，误检指的是非人脸被认为是人脸，漏检指的是人脸被认为是非人脸，误检和漏检的理论解释有一些，本文尝试从下面这个角度与童鞋们进行探讨误检漏检原因，因为我说的不一定对。还请大家多多指教！！！

2014-12-01 17:09:47 13498

原创谈谈自己对线性最小二乘和非线性最小二乘之间关系的理解~

最小二乘问题，是最基本、最实用、最应用广泛的的数学模型，在机器学习中更是得到了极大的应用（公式1），比如说我们的PCA，最经典的解释就是：最小化样本与其重构样本之间的误差和。采用的公式我不用写出来大家都会明白，二者先取个差值，在来个平方，最后搞一个和号上去，这就是最小二乘问题的思想。该数学模型的目的十分直观，就是想要计算出一组参数，这组参数可以让计算出来的数据与观测数据最为接近。进一步，最小二乘又可以分为线性和非线性两种，分别对应fi(x)的线性形式与非线性形式，线性最小二乘很好求解，可以将公式（1）变换

2014-11-27 23:37:39 20876 11

Duda经典教材-机器学习课件-模式识别课件

人脸姿态估计数据集

空空如也