一、基本HOG算法 HOG特征最早出现在SIFT算法中，由于其极强的图像特征描述能力，逐渐被人们熟知和广泛运用，其在目标检测方面表现尤为突出。 HOG特征提取过程 步骤一：遍历图像每个像素点，以其为中心取8*8像素领域作为网格（block）区域； 步骤二：将网格（block）区域平均分成4个大小相等 ...
分类：
其他好文 时间：
2016-12-16 14:13:49
阅读次数：
166
目标检测的图像特征提取之（一）HOG特征 zouxy09@qq.com http://blog.csdn.net/zouxy09 1、HOG特征： 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。 ...
分类：
其他好文 时间：
2016-12-15 20:20:31
阅读次数：
179
机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到一个合适算法真的不容易，所以在实际应用中，我们一般都是采用启发式学习方式来实验。通常最开始我们都会选择大家普遍认同的算法，诸如SVM，GBDT，Adaboost，现在深度学习很火热，神经网络也是一个不错的选择。假如你在乎精度（ac ...
分类：
编程语言 时间：
2016-12-11 12:52:43
阅读次数：
285
在梯度提升树(GBDT)原理小结中，我们对GBDT的原理做了总结，本文我们就从scikit-learn里GBDT的类库使用方法作一个总结，主要会关注调参中的一些要点。 1. scikit-learn GBDT类库概述 在sacikit-learn中，GradientBoostingClassifie ...
分类：
其他好文 时间：
2016-12-09 19:33:42
阅读次数：
210
在集成学习之Adaboost算法原理小结中，我们对Adaboost的算法原理做了一个总结。这里我们就从实用的角度对scikit-learn中Adaboost类库的使用做一个小结，重点对调参的注意事项做一个总结。 1. Adaboost类库概述 scikit-learn中Adaboost类库比较直接， ...
分类：
其他好文 时间：
2016-12-06 20:50:43
阅读次数：
612
树的算法总结 1.决策树 下面简述一下生成决策树的步骤：(1) 根据给定的训练数据，根据熵最大原则根据每一个维度来划分数据集，找到最关键的维度。(2) 当某个分支下所有的数据都数据同一分类则终止划分并返回类标签，否则在此分支上重复实施(1)过程。(3) 依次计算就将类标签构建成了一棵抉择树。(4) ...
分类：
编程语言 时间：
2016-12-06 02:49:03
阅读次数：
239
在集成学习原理小结中，我们讲到了集成学习按照个体学习器之间是否存在依赖关系可以分为两类，第一个是个体学习器之间存在强依赖关系，另一类是个体学习器之间不存在强依赖关系。前者的代表算法就是是boosting系列算法。在boosting系列算法中， Adaboost是最著名的算法之一。Adaboost既可 ...
分类：
编程语言 时间：
2016-12-06 01:59:10
阅读次数：
207
当做重要决定时，我们可能会考虑吸取多个专家而不只是一个人的意见。机器学习处理问题也是这样，这就是元算法（meta-algorithm）背后的思路。 元算法是对其他算法进行组合的一种方式，其中最流行的一种算法就是AdaBoost算法。某些人认为AdaBoost是最好的监督学习的方法，所以该方法是机器学 ...
分类：
编程语言 时间：
2016-11-28 00:57:50
阅读次数：
267
