計算機視覺（七）
影象描述：
Demo：
https://vimeo.com/146492001
http://cs.stanford.edu/people/karpathy/neuraltalk2/demo.html
二。最新的方法概述：
1. NeuralTalk
2. DenseCap
3. Show，Attend andTell
相關推薦
計算機視覺（七）：特徵檢測/提取（feature detection/extraction）
關鍵點檢測和匹配流水線四個階段 一、背景知識 1. 影象特徵 2. 數字函式的一階導數和二階導數 3. 導數與影象特徵關係 二
計算機視覺（七）
影象描述： Demo： https://vimeo.com/146492001 http://cs.stanford.edu/people/karpathy/neuraltalk2/demo.html 二。最新的方法概述： 1. Neur
計算機視覺（七）：構建兩層的神經網路來分類Cifar-10資料集
1 - 引言 之前我們學習了神經網路的理論知識，現在我們要自己搭建一個結構為如下圖所示的神經網路，對Cifar-10資料集進行分類 前向傳播比較簡單，就不在贅述 反向傳播需要注意的是，softmax的反向傳播與之前寫的softmax程式碼一樣。神經網路內部的反向傳播權重偏導就是前面
三維計算機視覺（七）--Spin image
Spin image是基於點雲空間分佈的最經典的特徵描述方法。 Spin image的思想是將一定區域的點雲分佈轉換成二維的spin image，然後對場景和模型的spin images進行相似性度量。原理圖如下： 大寫P------三維網格某頂點p的切面 n-
計算機視覺（一）概述
一、什麼是計算機視覺 計算機視覺(Computer Vision)是一門如何使計算機“看”的學問，讓攝像頭和電腦代替人眼對目標進行識別、跟蹤、測量等機器視覺。計算機視覺能夠模擬人類視覺的優越的能力，如識別物體、估計立體空間與距離、躲避障礙、理解影象、想象影象的能力，一定程度上，計算機視覺
計算機視覺（三）：空間域濾波基礎
一、背景知識 1.空間域 2.運算元 3.變換函式 二、一些基本的灰度變換函式 1.影象反轉
計算機視覺（二）：直方圖均衡
一、灰度空間的直方圖均衡 1.直方圖 2.變換函式應滿足條件 3.變換函式 4.直方圖均衡 二、彩色空間的直方圖均衡
計算機視覺（一）：基礎篇
一、光和電磁波譜 二、彩色模型 1.RGB彩色模型 2.HSV彩色模型 3.從RGB到HSV的彩色轉換 4.從HSV到RGB的彩色轉換
計算機視覺（六）：頻率域濾波器
一、濾波器 1. 基本濾波公式 2. 濾波步驟 3. 低通濾波器與高通濾波器 二、低通濾波器（平滑影象）
計算機視覺（五）：頻率域濾波基礎
一、數學預備知識 1. 傅立葉級數 二、基本概念 1. 頻率域 2. 複數 3. 尤拉公式
計算機視覺（四）：空間域濾波器
一、平滑空間濾波器 1. 平滑線性濾波器（均值濾波器） 2. 統計排序（平滑非線性）濾波器 二、銳化空間濾波器
計算機視覺（八）：影象分割
一、閾值處理 1. 基礎知識 2. 基本的全域性閾值處理 3. 用Otsu方法的全域性閾值處理 4. 用影象平滑改善全域性閾值處理 5. 利用邊
計算機網路之我見-通俗理解計算機網路（七）
本篇主要講解廣播、組播和IGMP協議(寫的比較倉促，質量不好~) 一、廣播 1 廣播的分類 廣播分為本地受限廣播和子網廣播 本地受限廣播的IP地址為255.255.255.255,只能在傳送主機所在的同一網段內進行傳播 子網廣播的IP地址為“網路號+主機號位數全為1”的地址，
計算機視覺（二）
xtra roc 分類 match open 提取 水平 histogram svm 濾波和邊緣檢測 1. 空間濾波和頻域濾波 線性濾波和非線性濾波 滑動濾波： blur 和 boxfilter、高斯濾波器是真正的低通濾波器、與boxfilter相比沒有振鈴現象
計算機視覺（六）
影象檢索與相關應用 一。基於內容的影象檢索 分開展開： HOG SIFT： GIST： CNN： 最近鄰問題： 區域性敏感的雜湊：在高維空間和低維空間去保持距離
計算機視覺（四）
迴圈神經網路 1、迴圈神經網路使用的輸出為什麼不是得分最大的而是其概率分佈：這樣更具有多樣性，相同輸入的情況下使用概率分佈能得到更多樣的輸出，這取決於第一個時間步的輸入。（這裡還有一個取樣的概念，這個還是不太懂） 2、反向傳播並非沿時間步整個進行傳播，而是通
計算機視覺（1）影象預處理
RGB顏色空間 加法混色空間 越疊加越白 一個畫素的顏色值（b,g,r)範圍：【0，255】 【0，1】CMYK顏色空間減法混色 越疊加越黑 4個維度來構成HSV顏色空間 色調，飽和度，明度可以和RGB相互轉換CIE-XYZ顏色空間人眼睛對顏色的容忍度 灰度化：Gray=R*0.3+G*0.59+B*0.1
CS231n: 深度學習計算機視覺（中文版）
CS231n官方筆記授權翻譯總集篇釋出 - 智慧單元 - 知乎專欄 CS231n課程筆記翻譯：線性分類筆記（中） - 杜客的文章 - 知乎專欄 CS231n課程筆記翻譯：線性分類筆記（下） - 智慧單元 - 知乎專欄 CS231
計算機視覺（八）：提取Cifar-10資料集的HOG、HSV特徵並使用神經網路進行分類
1 - 引言 之前我們都是將整張圖片輸入進行分類，要想進一步提升準確率，我們就必須提取出圖片更容易區分的特徵，再將這些特徵當做特徵向量進行分類。在之前我們學了一些常用的影象特徵，在這次實驗中，我們使用了兩種特徵 梯度方向直方圖（HOG） 顏色直方圖（HSV）
計算機視覺（六）：使用Softmax分類Cifar-10資料集
1 - 引言 這次，我們將使用Softmax來分類Cifar-10，過程其實很之前使用的SVM過程差不多，主要區別是在於損失函式的不同，而且Softmax分類器輸出的結果是輸入樣本在不同類別上的概率值大小,Softmax分類器也叫多項Logistic迴歸 線性模型: