計算機視覺、模式識別、機器學習相關方向資源
牛人主頁（主頁有很多論文程式碼）
- Serge Belongie at UC San Diego
- Antonio Torralba at MIT
- Alexei Ffros at CMU
- Ce Liu at Microsoft Research New England
- Vittorio Ferrari at Univ.of Edinburgh
- Kristen Grauman at UT Austin
- Devi Parikh at TTI-Chicago (Marr Prize at ICCV2011)
- John Wright at Columbia Univ.
- Piotr Dollar at CalTech
- Boris Babenko at UC San Diego
- David Ross at Google/Youtube
- David Donoho at Stanford Univ.
大神們：
- William T. Freeman at MIT
- Roberto Cipolla at Cambridge
- David Lowe at Univ. of British Columbia
- Mubarak Shah at Univ. of Central Florida
- Yi Ma at MSRA
- Tinne Tuytelaars at K.U. Leuven
- Trevor Darrell at U.C. Berkeley
- Michael J. Black at Brown Univ.
重要研究組：
- Computer Vision Group at UC Berkeley
- Robotics Research Group at Univ. of Oxford
- LEAR at INRIA
- Computer Vision Lab at Stanford
- Computer Vision Lab at EPFL
- Computer Vision Lab at ETH Zurich
- Computer Vision Lab at Seoul National Univ.
- Computer Vision Lab at UC San Diego
- Computer Vision Lab at UC Santa Cruz
- Computer Vision Lab at Univ. of Southern California
- Computer Vision Lab at Univ. of Central Florida
- Computer Vision Lab at Columbia Univ.
- UCLA Vision Lab
- Motion and Shape Computing Group at George Mason Univ.
- Robust Image Understanding Lab at Rutgers Univ.
- Intelligent Vision Systems Group at Univ. of Bonn
- Institute for Computer Graphics and Vision at Graz Univ. of Tech.
- Computer Vision Lab. at Vienna Univ. of Tech.
- Computational Image Analysis and Radiology at Medical Univ. of Vienna
- Personal Robotics Lab at CMU
- Visual Perception Lab at Purdue Univ.
潛力牛人：
- Juergen Gall at ETH Zurich
- Matt Flagg at Georgia Tech.
- Mathieu Salzmann at TTI-Chicago
- Gerg Shakhnarovich at TTI-Chicago
- Taeg Sang Cho at MIT
- Jianchao Yang at UIUC
- Stefan Roth at TU Darmstadt
- Peter Kontschieder at Graz Univ. of Tech.
- Dominik Alexander Klein at Univ. of Bonn
- Yinan Yu at CASIA (PASCAL VOC 2010 Detection Challenge Winner)
- Zdenek Kalal at FPFL
- Julien Pilet at FPFL
- Kenji Okuma
about multi-camera:
about 3D Voxel Coloring Rob Hess:
About the particle filters--condensation
Matlab Codefor Graph Embedding Discriminant Analysis on Grassmannian Manifolds for Improved Image Set Matching (CVPR), 2011. Matlab Codefor Optimal Local Basis: A Reinforcement Learning Approach for Face Recognition(IJCV), vol. 81, no. 2, pp. 191-204, 2009.
牛人bolg：
-
The Kalman Filter (介紹卡爾曼濾波器的終極網頁) -
http://www.cs.unc.edu/~welch/kalman/index.html
幾個計算機視覺研究工具
Optical Flow Algorithm Evaluation (提供了一個動態貝葉斯網路框架，例如遞迴資訊處理與分析、卡爾曼濾波、粒子濾波、序列蒙特卡羅方法等，C++寫的) http://of-eval.sourceforge.net/
收集的一般牛人主頁（帶程式碼）:
Active LearningRMw平坦軟體園
Gaussian ProcessesRMw平坦軟體園
RMw平坦軟體園
http://www.gaussianprocess.org 包括相關的書籍（有 Carl Edward Rasmussen 的書），相關的程式以及分類的 paper 列表。這也是由 Carl 自己維護的，他應該是將 GP 引入 machine learning 最早的人之一了吧，Hinton 的學生。
Nonparametric Bayesian MethodsRMw平坦軟體園
http://www.cs.berkeley.edu/~jordan/npb.html 這個一看就知道是 Jordan 維護的，主要包括 Dirichlet process 以及相關的其他隨機過程在 machine learning 裡面如何進行建模，如何進行 approximate inference。主要是文章列表。
Probabilistic Graphical ModelRMw平坦軟體園
Compressed SensingRMw平坦軟體園
http://www-dsp.rice.edu/cs 這是 Rice 大學維護的論文分類列表、軟體連結等。推薦 Emmanuel Candès 所寫的tutorial，這人是 David Donoho 的學生。
TensorRMw平坦軟體園
Deep Belief NetworkRMw平坦軟體園
Kernel MethodsRMw平坦軟體園
Markov LogicRMw平坦軟體園
http://ai.cs.washington.edu/pubs 是 UW AI 組的文章，裡面關於 Markov logic 的比較多，因為 Pedro Domingos 就是這個組的。 Machine learning theory http://hunch.net/這個網站主要是一些learning theory的東西比較多，想在machine learning 理論上有所建樹的同志們可以去看看
牛人：Iasonas Kokkinos （搞統計模型視覺）
人工智慧與模式識別國際頂級期刊會議目錄（包含該領域最權威的期刊和會議）
轉載自：http://blog.csdn.net/shfkuang/article/details/7700939
相關推薦
計算機視覺、模式識別、機器學習相關方向資源
牛人主頁（主頁有很多論文程式碼） Serge Belongie at UC San Diego Antonio Torralba at MIT Alexei Ffros at CMU Ce Liu at Microsoft Research New England
常用牛人主頁鏈接（計算機視覺、模式識別、機器學習相關方向,陸續更新。。。。）【轉】
short psu works charles 貝葉斯 learning 數學 ocr 相關 轉自：http://blog.csdn.net/goodshot/article/details/53214935 目錄(?)[-] The Kalman
常用牛人主頁鏈接（計算機視覺、模式識別、機器學習相關方向,陸續更新
bject detail ebo abi err 技術 arch college eoj 牛人主頁（主頁有很多論文代碼） Serge Belongie at UC San Diego Antonio Torralba at MIT Alexei Ffros at CMU C
（轉）計算機視覺與影象處理、模式識別、機器學習學科之間的關係
在我的理解裡，要實現計算機視覺必須有影象處理的幫助，而影象處理倚仗於模式識別的有效運用，而模式識別是人工智慧領域的一個重要分支，人工智慧與機器學習密不可分。縱觀一切關係，發現計算機視覺的應用服務於機器學習。各個環節缺一不可，相輔相成。 邏輯線路：計算機視覺→影象處理→模式識
計算機視覺、機器學習、模式識別、影象處理領域國內外期刊、會議彙總
重要國際期刊(1)IEEE Transactions on Pattern Analysis and Machine Intelligence(PAMI)(2)International Journal of Computer vision(IJCV)(3)IEEE Tran
計算機視覺與影象處理、模式識別、機器學習學科之間的關係
在我的理解裡，要實現計算機視覺必須有影象處理的幫助，而影象處理倚仗與模式識別的有效運用，而模式識別是人工智慧領域的一個重要分支，人工智慧與機器學習密不可分。縱觀一切關係，發現計算機視覺的應用服務於機器學習。各個環節缺一不可，相輔相成。 計算機視覺（computervi
影象處理、計算機視覺與模式識別“SCI期刊和頂級會議”總結
期刊： best (1) IEEE Transactions on Pattern Analysis and Machine Intelligence，IEEE模式分析與機器智慧彙刊，簡稱PAMI，是IEEE最重要的學術性彙刊之一。 (2) ACM Trans
模式識別與機器學習（一）：概率論、決策論、資訊理論
本系列是經典書籍《Pattern Recognition and Machine Learning》的讀書筆記，正在研讀中，歡迎交流討論。 基本概念 1. 模式識別（Pattern Recognition）：是指通過演算法自動發現數據的規律，並進行資料分類等任務。
模式識別與機器學習筆記（二）機器學習的基礎理論
機器學習是一門對數學有很高要求的學科，在正式開始學習之前，我們需要掌握一定的數學理論，主要包括概率論、決策論、資訊理論。 一、極大似然估計（Maximam Likelihood Estimation，MLE ） 在瞭解極大似然估計之前，我們首先要明確什麼是似然函式（likelihoo
模式識別與機器學習筆記（一）
本系列博文是對研一課程《模式識別與機器學習》的隨堂筆記，希望將老師所講的與自己的見解記錄下來，方便加深自己的理解以及以後複習檢視，筆記完全按照老師所講順序，歡迎交流。 一、模式識別與機器學習的基本問題 機器學習主要解決以下四類問題： 1.監督學習：指的是訓練的資料既包括特徵（feat
計算機視覺/影象/模式識別方向期刊會議
最近在整理計算機視覺的會議和期刊，查資料的過程中發現了兩個總結的不錯的部落格，在這裡轉載過來，後面自己也會整理一份發上來 轉自：https://blog.csdn.net/lqhbupt/article/details/23698225 和 第一章：會議 conferences 一般來說，學
【模式識別與機器學習】——判別式和產生式模型
（1）判別式模型（Discriminative Model）是直接對條件概率p(y|x;θ)建模。常見的判別式模型有線性迴歸模型、線性判別分析、支援向量機SVM、神經網路、boosting、條件隨機場等。 舉例：要確定一個羊是山羊還是綿羊，用判別模型的方法是從歷史資料中學習到模型，然後通過提取這隻羊的特
【模式識別與機器學習】——3.9勢函式法：一種確定性的非線性分類方法
目的 用勢函式的概念來確定判別函式和劃分類別介面。 基本思想 假設要劃分屬於兩種類別ω1和ω2的模式樣本，這些樣本可看成是分佈在n維模式空間中的點xk。 把屬於ω1的點比擬為某種能源點，在點上，電位達到峰值。 隨著與該點距離的增大，電位分佈迅速減小，即把樣本xk附近空間x點上的電位分佈，看
【模式識別與機器學習】——PCA主成分分析
基本思想 其基本思想就是設法提取資料的主成分（或者說是主要資訊），然後摒棄冗餘資訊（或次要資訊），從而達到壓縮的目的。本文將從更深的層次上討論PCA的原理，以及Kernel化的PCA。 引子 首先我們來考察一下，這裡的資訊冗餘是如何體現的。如下圖所示，我們有一組二維資料點，從圖上不難發現
【模式識別與機器學習】——PCA與Kernel PCA介紹與對比
PCA與Kernel PCA介紹與對比 1. 理論介紹 PCA：是常用的提取資料的手段，其功能為提取主成分（主要資訊），摒棄冗餘資訊（次要資訊），從而得到壓縮後的資料，實現維度的下降。其設想通過投影矩陣將高維資訊轉換到另一個座標系下，並通過平移將資料均值變為零。PCA認為，在變換過後的
【模式識別與機器學習】——最大似然估計 （MLE） 最大後驗概率（MAP）
1） 極/最大似然估計 MLE 給定一堆資料，假如我們知道它是從某一種分佈中隨機取出來的，可是我們並不知道這個分佈具體的參，即“模型已定，引數未知”。例如，我們知道這個分佈是正態分佈，但是不知道均值和方差；或者是二項分佈，但是不知道均值。 最大似然估計（MLE，Maximum Likelihood Esti
模式識別和機器學習的關係
模式識別：自己建立模型刻畫已有的特徵，樣本是用於估計模型中的引數。 模式識別的落腳點是感知。 是已經有了一個供模仿用的標本（已經知道結果特徵），通過計算機不停地計算、建模，以更準確 eg：手寫數字的識別、檢視是否有闖紅燈 機器學習：根據樣本訓練模型，重點在於“學
計算機視覺與模式識別（二）色彩遷移
色彩遷移 這一個學期任務量比較大，主要是計算機視覺這門課和計算機圖形學任務量有點大，所以暑假才有時間更新這系列部落格，這系列部落格主要是利用CImg這個庫來實現一些演算法，而不是應用一些演算法。 下面開始本期的介紹！ 1.什麼是色彩遷移？ 對於搞CV(Compu
計算機視覺和模式識別（一）
計算機視覺和模式識別 計算機視覺和影象處理是一個令很多人充滿興趣的計算機領域，它不僅涉及到很多精妙和令人稱讚的數學推導和漂亮的程式碼，更是應用到我們生活的方方面面，簡單如Photoshop、美圖秀秀，複雜於相機校準、人臉識別、處理視訊等。 時隔很久沒有寫部落格了，以前寫部落格的時候
孫仕亮模式識別與機器學習1008第二堂課
筆記 知識點整理 交叉驗證（Cross Validation）：是用來驗證分類器的效能一種統計分析方法，基本思想是把在某種意義下將原始資料（dataset）進行分組，一部分做為訓練集（traini