影象目標檢測與跟蹤學習筆記（一）
一. 講座心得
劉洋師兄的講座深入淺出，用通俗的語言給我們介紹了Computer Vision這個領域的相關知識。
開篇先介紹了幾個很有意思的應用，印象最深刻的是速度與激情的視訊，能夠在如此快的速度下精確地識別到各個特徵目標，很強勢！接著向我們解釋了一些基本的概念：監督學習&非監督學習、欠擬合&過擬合等等，之前有看過一點機器學習的入門視訊，對這些概念有了一些基本的認識，要進一步理解的話還需要更多的應用實踐。
對於如何學好Computer Vision，師兄給了很系統的建議，不管是技能要求還是學習資料都很詳細的列舉了出來。看著這麼多東西有點鴨梨山大，感覺前路漫漫，要學的東西好多，不過有這麼多小夥伴一起學習，也有了前進的動力。
How to learn CV（入門）：
程式設計要求：matlab、python、C/C++
數學基礎：微積分、矩陣、數理統計、優化理論
技能儲備：C++教程（http://www.chinesemooc.org/mooc/4387）
python教程（https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000）
git教程（https://www.liaoxuefeng.com/wiki/0013739516305929606dd18361248578c67b8067c8c017b000）
學習資料：CS231N、CS229 閱讀中文講義，完成程式設計作業（http://blog.csdn.net/ccq976586618/article/details/52159655?locationNum=2&fps=1）
機器學習工程師——吳恩達（http://mooc.study.163.com/smartSpec/detail/1001319001.htm）
二. 作業小結
題目：
課後的程式設計小作業，讓我對梯度下降演算法有了更進一步的理解。對於凸函式f(x，y)，求解minf，可利用：
x-= a*
y-= a*df/dy
分別用matlab和c語言進行了程式設計：
1. matlab擁有便捷的畫圖功能，結果直觀可見，先畫出函式在題目制定區間的三維圖形，Hold on
clear all;
clc;
xa = -5:0.1:0;
ya = -5:0.1:0;
[x,y] = meshgrid(xa,ya);
z = func(x,y);
mesh(x,y,z)
hold on;function [ Fc ] = func(x,y)
a = 1-cos(x);
b = 1-sin(y);
c = x-y;
Fc = sin(y).* exp(a.*a)+cos(x).*exp(b.*b)+c.*c;
end輸入指定點（x0,y0）以及解算的步長a=0.0001，求解在這一點的兩個偏導值，然後代入上面的梯度下降公式，執行次數一萬次：
x0 = -3;
y0 = -4;
a = 0.0001;i = 0;
while i <= 1000
i = i+1;
x0 = x0 + a*fnc_dzdx(x0,y0);
y0 = y0 + a*fnc_dzdy(x0,y0);
z0 = func(x0,y0);
plot3(x0,y0,z0,'.r');
endfunction [ dzdy_num1 ] = fnc_dzdy( x_num,y_num )
syms x y
z = func(x,y);
dzdy = diff(z,y);
dzdy_num = subs (dzdy,'x',x_num);
dzdy_num = subs(dzdy_num,'y',y_num);
dzdy_num1 = eval(dzdy_num);
end執行結果如下：
可見，演算法能夠在一萬次內求解到（x0,y0）附近的區域性極大值。
2. c語言程式與matlab程式原理相同，程式碼如下：
#include<stdio.h>
#include<math.h>
#include<iostream>
using namespace std;
double Func(double x, double y)
{
double cosx = cos(x), siny = sin(y);
double a = 1 - cosx, b = 1 - siny, c = x - y;
return siny*exp(a*a) + cosx*exp(b*b) + c*c;
}
double Dfx(double x, double y)
{
double dfx;
dfx = 2 * x - 2 * y - exp((sin(y) - 1)*(sin(y) - 1))*sin(x) - 2 * exp((cos(x) - 1)*(cos(x) - 1))*sin(x)*sin(y)*(cos(x) - 1);
return dfx;
}
double Dfy(double x, double y)
{
double dfy;
dfy = 2 * y - 2 * x + exp((cos(x) - 1)*(cos(x) - 1))*cos(y) + 2 * exp((sin(y) - 1)*(sin(y) - 1))*cos(x)*cos(y)*(sin(y) - 1);
return dfy;
}
double Constrain(double x )
{
if (x > 0)
x = 0;
else if (x < -5)
x = -5;
return x;
}
void main()
{
double x, y, i,f, step = 0.0001;
double dfx, dfy;
cout << "請輸入x y\n";
cin >> x >> y;
cout << "\n輸入的座標為：x=" << x << " y=" << y << "\n\n";
x = Constrain(x);
y = Constrain(y);
for (i = 0;i < 10000;i++)
{
dfx = Dfx(x, y);
dfy = Dfy(x, y);
if (abs(dfx) < 0.001&&abs(dfy) < 0.001)
break;
x = x + step*Dfx(x, y);
y = y + step*Dfy(x, y);
x = Constrain(x);
y = Constrain(y);
f = Func(x, y);
}
cout << "極大值點的座標為：" << "x =" << x << " y=" << y << "\n\n極大值點函式值為：f=" << f <<"\n";
}執行介面如下：
