lps_683
- 浏览: 340492 次
- 性别:
- 来自: 上海
-
最新评论
-
liweicong：
这个识别的准确率是多少呢？训练的那个circle和四个参数代表 ...
交通标牌检测与识别 -
13227819390：
请问在博主的percolation代码块里的isFull函数， ...
并查集算法关于渗透模型中虚拟节点的使用问题 -
zzzimooo：
请问博主，大概在130行：Bitmap bmp = getRe ...
OpenCVforAndroid应用之银行卡号识别 ------ 实战篇 -
u010074054：
您好，我想请教一下关于银行卡识别的问题，您方便加一下我QQ吗？ ...
OpenCVforAndroid应用之银行卡号识别 ------ 实战篇 -
javams：
闵大荒是什么？
闵大荒之旅（一）
文章列表
闵大荒之旅（八） ----- 时间都去哪了
- 博客分类：
- 毕业设计
HOG+SVM做行人检测，是非常经典的做法，但是真正使用过的人可以发现，就OpenCV提供的检测算算法而言，其实时性是非常差的。事实上，OpenCV中还做了一定的优化，比如利用CPU对多尺度行人检测进行一个并行计算，但是，在我笔 ...
闵大荒之旅（七） ----- 源码移植
- 博客分类：
- 毕业设计
要把OpenCV的源码改写成CUDA，那么在改写成并行计算之前，我们需要保证CUDA C中（特别是CUDA中的核函数）能够支持OpenCV定义的类型，否则我们只有重写。
所以在将OpenCV源码改写成CUDA并行计算之前，我首先将OpenCV源码改写成了普通的C语言版本------这里的改写指的是：一些结构体的重写、Mat数组和普通一维二维数组的转换等等，具体情况下面的代码将见分晓。
这次改写的是ComputeGradient函数
注意：这里保留了Mat img，因为这里到时候移植到CUDA C中要改写成PtrstepSZ变量，这里就不费功夫把他改成数组了。
#includ ...
闵大荒之旅（六） ----- 初探HOG源码
- 博客分类：
- 毕业设计
目前的进度有些缓慢了。。。
要想用CUDA实现HOG特征的并行计算，那么首先就要熟悉HOG计算的相关内容、思想，以便实现并行计算方案。
关于HOG特征的介绍，在网上有非常非常多，其中英文原文：http://vision.stanford.edu/teaching/cs231b_spring1213/papers/CVPR05_DalalTriggs.pdf
故这里不作详细介绍，简单摘抄其他博客内容进行介绍：
HOG特征提取方法就是将一个image（你要检测的目标或者扫描窗口）：
1）灰度化（将图像看做一个x,y,z（灰度）的三维图像）；
2）采用Gamma校正法对输入图 ...
参考http://www.cnblogs.com/dwdxdy/p/3528711.html博客，加之以实践环节，我们可以知道有几种使用到GPU运算的方法：
1.利用OpenCV中提供的GPU模块
2.单独使用Cuda API编程
3.利用OpenCV中提供接口，并结合Cuda API编程
如果仅仅使用OpenCV中的GPU函数，就像博客（三）中演示一下，的确非常的简单而且可以得到比较理想的效果，但是缺点也是显然的，这种直接利用别人的函数是非常不灵活的。很多情况下，并行计算都会存在 ...
闵大荒之旅（四） ---- CUDA预热
- 博客分类：
- 毕业设计
上一回演示了使用OpenCV中集成的gpu部分进行gpu编程，实现hog+svm算法对行人进行检测，检测效果对比得出gpu运行时间要远比cpu运行时间小，更加具有实时性。但是直接使用OpenCV中的函数，显得过于呆板，灵活性较差，于是，为了将gpu运算牢牢掌握在自己手里，我选择CUDA编程，接下来，我简单的介绍一下gpu、cuda的一部分内容。
1.CPU是顺序处理；GPU是并行处理，并行计算将大大缩短时间；
2.CUDA是NVIDIA公司推出的语言风格与C语言很相似的一款通用架构，必须要在NVIDIA公司生产的显卡上使用；
3.CUDA虽然是对GPU并行计算的一个编程框架，但是 ...
在使用cuda进行编程之前，我们不妨再来看看OpenCV中的效果是什么样子的，那么这一次，我将使用OpenCV来进行HOG+SVM的行人检测。
事实上，HOG+SVM在行人检测上的应用在网上已经有了非常丰富的资料，可以说，这个技术相对来说是比较成熟的，那么此次应用OpenCV进行行人检测的实现主要目的如下：
1.了解HOG+SVM在行人检测上的实际效果，并借此熟悉OpenCV中相关程序的编写
2.比较CPU与GPU的运行差别
3.引入我对HOG以及SVM的原理性学习
事实上，我们可以参考http://docs.opencv.org/2.4.9/modules/refman.htm ...
閔大荒之旅（二） --- 熟悉熟悉環境
- 博客分类：
- 毕业设计
本次我所要完成的項目是 基於GPU加速的行人檢測系統前言
GPU 加速的计算是利用一颗图形处理器 (GPU) 以及一颗 CPU 来加速科学、工程以及企业级应用程序。工业与学术界的数据科学家已将 GPU 用于机器学习以便在各种应用上实现开创性的改进，这些应用包括图像分类、视频分析、语音识别以及自然语言处理等等。我們實驗室的方向是無人駕駛，這個領域最近也是非常火熱，更有人直言三至五年無人駕駛將得以普及。而無人駕駛的必要條件之一就是要能快速、準確地識別出道路情況，相比於串行順序工作方式的CPU，那麼以多核並行計算的工作方式的GPU在運算速度方面將提供更大的優勢，這對於識別的實時性是非常有幫助的。 ...
人生总不能过的那么潇洒吧，不能想做的就做，不想做的就撒手不干，人还是要适当地逼自己一下吧。至少现在我只能这么安慰一下自己。
坐了14个小时的火车+一个多小时的地铁+半个小时的步行，我终于来到阔别已久的闵大荒，我的大学生涯竟然将在这里结束，我的研究生阶段即将在这里开始。一切对我来说都是陌生的，陌生的往往伴随着刺激！是的，我很激动和兴奋，不一样的校园环境，不一样的同学，我也是不一样的心情。还有三十八天就交大120周年校庆了，然而留给我毕业设计的时间也就两个多月了。想当初还没决定来上海的时候，我想着花两个星期做出毕设一个星期写完论文就这么水水就过去了，然而现在不行了，留给我的是一个一个新颖的难题 ...
机器学习算法 ---- 正规方程组
- 博客分类：
- 机器学习
监督学习之正规方程组
上一篇博客是介绍了梯度下降法，旨在每一次迭代都从下降梯度最大的方向进行，最终找到全局最大值！但是，这样的效率往往是不高的，无论是批量梯度下降法还是改进后的随机梯度下降法，在大样本的情况下都需要进行迭代。那么今天学习的正规方程组就希望用一个式子就将参数表示出来。
数学概念和定理的引入
这里要得到正规方程组，需要一些高等数学和线性代数的知识，在此引入：（公式太难打了）
对于上图中的定理，我给出证明如下（6过程颇多，有兴趣的可以联系我）： 于是，正规方程组推导如下：
以上便是推导过程，相比于迭代，正规方程组将直接得出参数值，无疑提高了效率
...
机器学习算法 ---- 梯度下降法
- 博客分类：
- 机器学习
机器学习在当今社会应用越来越广泛，如计算机视觉、机器人控制、无人机无人车技术等等，都离不开机器学习算法。而机器学习并不像学习一门语言那样简单，算法的实质是数学，有了数学的推导结果，运用什么样的语言那 ...
上文中讲述了两种在android平台中使用opencv的办法，这里我将使用的是opencvforandroid的方法，也就是直接使用opencv提供的Java的API，这种方法对开发者来说是比较简单省事的。由于算法原理在《银行卡号识别》中已经阐述过，这里不再详细介绍，直接上关键代码！
activity_main.xml
<RelativeLayout xmlns:android="http://schemas.android.com/apk/res/android"
xmlns:tools="http://schemas.andro ...
前阵子的考试、旅游让我有很长一阵子没来博客看看，现在寒假了，是时候写点、看点新的东西了！
前面我主要围绕着基于OpenCV的机器学习算法在图像识别处理上的应用来展开学习的，当然这些个技术（如银行卡号识别）最终 ...
一、提取方法的修正
上回说道，我们使用cvFindContours函数来找银行卡上的数字的外包矩形，从而从银行卡上将数字抠下来进行识别，但是，使用后会发现有如下两个问题：
（1）不好筛选
提供的图片大小不一样，那么数字的外包矩形框的大小也就不一样，如果简单地采用面积的办法进行筛选，那么这种方法的适应性是非常的差的。
（2）外包矩形框的不确定性
我们来看看数字8的外包矩形框
...
在进行完预处理之后，我们可以开始用算法识别数字了。首先我们不做那么复杂的、一连串银行卡数字的识别，而是做一个数字的测试。
一、机器算法的引入-----K近邻算法
K最近邻(k-Nearest Neighbour，KNN)分类算法是一个理论上比较成熟的算法，也是最简单的机器学习算法之一。顾名思义，k最近邻实际上就是取和待分类物最相似的k个模板，然后这k
上回书说道，我们对银行卡进行了一系列的预处理后，得到了下面的结果：
银行卡下半部分严重影响到了检测的效果，所以在进行机器学习前，我们还需要做一点处理，把下半部分的噪声给消除掉。
思路：首 ...