8 迷雾forest

尚未进行身份认证

今后要在深度学习中的大风大浪中前进!!!!

等级
TA的排名 9k+

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

离职了,写点什么吧~

离职了,写点什么吧~

2016-05-09 22:37:05

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

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

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

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

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《StereoProcessingbySemi-GlobalMatchingandMutualInformation》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

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

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-DepthSuperResolutionforRangeImages》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《StereoMatchingUsingTreeFiltering》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

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

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

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

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

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

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

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

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

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

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

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

查看更多

勋章 我的勋章
  • 专栏达人
    专栏达人
    授予成功创建个人博客专栏的用户。专栏中添加五篇以上博文即可点亮!撰写博客专栏浓缩技术精华,专栏达人就是你!
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!