个人喜欢的关于模式识别、机器学习、推荐系统、图像特征等方面个人主页及博客
個(gè)人喜歡的關(guān)于模式識(shí)別、機(jī)器學(xué)習(xí)、推薦系統(tǒng)、圖像特征等方面?zhèn)€人主頁(yè)及博客
?(2014-06-17 00:09:15) 轉(zhuǎn)載▼ 標(biāo)簽：? 育兒 | ? |
目標(biāo)檢測(cè)、識(shí)別、分類、特征點(diǎn)的提取
David Lowe：Sift算法的發(fā)明者，天才。
Rob Hess：sift的源碼OpenSift的作者，個(gè)人主頁(yè)上有openSift的下載鏈接，Opencv中sift的實(shí)現(xiàn)，也是參考這個(gè)。
Koen van de Sande：作者給出了sift,densesift,colorsift等等常用的特征點(diǎn)程序，輸出格式見(jiàn)個(gè)人主頁(yè)說(shuō)明，當(dāng)然這個(gè)特征點(diǎn)的算法，在Opencv中都有實(shí)現(xiàn)。
Ivan Laptev：作者給出了物體檢測(cè)等方面豐富C\C++源碼，及部分訓(xùn)練好的檢測(cè)器（包括汽車，行人，摩托車，馬，貓臉的檢測(cè)器）。
Navneet Dalal：HOG算子的作者，個(gè)人主頁(yè)上有他本人的博士論文，寫(xiě)的異常精彩，還有HOG源碼鏈接，當(dāng)然強(qiáng)大的Opencv已經(jīng)復(fù)現(xiàn)了一遍。
Anna Bosch:PHOG算法的作者及源碼。
Carl Vondrick:作者主頁(yè)上呈現(xiàn)了兩個(gè)非常好的項(xiàng)目Video Annotation Tool（視頻標(biāo)注）和iHOG，iHOG很有意思的解釋了，為什么HOG算法會(huì)誤判的原因。哇！哇！精彩！
Antonio Torralba：場(chǎng)景識(shí)別GIST算子（Matlab）的作者，當(dāng)然個(gè)人主頁(yè)張還有sift folow等等源碼，偷著樂(lè)吧，Gist的C代碼。
Svetlana Lazebnik：空間金字塔匹配的作者，個(gè)人主頁(yè)上有物體檢測(cè)和識(shí)別的豐富源碼。
Kristen Grauman：2011年的marr prize的得主，美女，源碼libpmk的作者，個(gè)人主頁(yè)還有其他物體檢測(cè)和識(shí)別的文檔和源碼。
Pablo F. Alcantarilla:kaze和akaze特征點(diǎn)的作者，據(jù)說(shuō)比sift要好，作者的個(gè)人主頁(yè)上給出了這兩種特征點(diǎn)的C++代碼，高興啊！
Pedro Felzenszwalb:近幾年的物體識(shí)別競(jìng)賽，大都是根據(jù)他的源碼的框架，Discriminatively trained deformable part models，直到2012年，該算法的版本是5，作者個(gè)人主頁(yè)上有鏈接。
Opencv中，有該算法的復(fù)現(xiàn)，但是，沒(méi)有訓(xùn)練的部分，只有檢測(cè)的部分，latentsvmdetector。
在\opencv\sources\samples\cpp文件夾中，有一個(gè)latentsvm_multidetect.cpp文件，搭好環(huán)境，運(yùn)行，然后，準(zhǔn)備好圖片（http://pascallin.ecs.soton.ac.uk/challenges/VOC/)和常見(jiàn)的20種分類器：
就可以做物體檢測(cè)了。
沙發(fā)檢測(cè)????????????????????????????????????????????????????????????????????自行車檢測(cè)
貓檢測(cè)????????????????????????????????????????????????????????????????????汽車檢測(cè)
???
其他物體的檢測(cè)，就不一一列舉了。
Deva Ramanan:Histograms of Sparse Codes（HSC）算法的第二作者，作者的個(gè)人主頁(yè)上有除了物體識(shí)別檢測(cè)，還有幾個(gè)跟蹤算法的源碼。
Xiaofeng Ren:Histograms of Sparse Codes（HSC）算法的第一作者，作者的個(gè)人主頁(yè)有豐富的源碼。
Ce Liu:Siftflow算法的作者，個(gè)人主頁(yè)上具有其他算法的源碼。
Derek Hoiem：（非常喜歡）個(gè)人主頁(yè)有物體識(shí)別，檢測(cè)的源碼，而且有Logistic Regression of Adaboost源碼，而且個(gè)人主頁(yè)上有很多他的學(xué)生的個(gè)人主頁(yè)鏈接。
Sergey Karayev：作者的個(gè)人主頁(yè)上有很多圖像檢索，目標(biāo)識(shí)別的研究成果。
Aditya Khosla：作者研究興趣是人的行為檢測(cè)，目標(biāo)識(shí)別，等。
Ming-Ming Cheng:關(guān)注論文《BING: Binarized Normed Gradients for Objectness Estimation at 300fps》
———————————————————————————————————————————————
圖像檢索：
Yossi Rubner：（這個(gè)個(gè)人主頁(yè)鏈接可能打不開(kāi)，百度這個(gè)網(wǎng)址http://ai.stanford.edu/~rubner/根據(jù)提示打開(kāi)就可以了）圖像檢索EMD距離的原作者，作者給出了C源碼，Opencv中給出了復(fù)現(xiàn)，具體可以參看這篇文章。
Ofir Pele：EMD距離的改進(jìn)，作者個(gè)人主頁(yè)上給出了源碼（C++\Matlab）。
圖像其他算法
Jiaya Jia：香港大學(xué)，發(fā)明的圖像去模糊算法，處于世界領(lǐng)先水平，個(gè)人主頁(yè)上有豐富的源碼，超級(jí)喜歡。
Mohamed Aly:這個(gè)個(gè)人主頁(yè)是無(wú)意中發(fā)現(xiàn)的，他研究了公路上各種直線（斑馬線等）等的檢測(cè)，并給出了源碼。
__________________________________________________________________________________________________________________________________
人工智能博客：
Utkarsh:這個(gè)博客里寫(xiě)了好多關(guān)于OpenCV的項(xiàng)目，是一個(gè)非常好的學(xué)習(xí)資源。
Sebastian Montabone:作者寫(xiě)了一些很好的資料。
———————————————————————————————————————————————
機(jī)器學(xué)習(xí)及并行機(jī)器學(xué)習(xí)：
Andrew Ng：谷歌大腦之父，是斯坦福大學(xué)科學(xué)系和電子工程系副教授，人工智能實(shí)驗(yàn)室主任。吳恩達(dá)是人工智能和機(jī)器學(xué)習(xí)領(lǐng)域國(guó)際上最權(quán)威的學(xué)者之一。吳恩達(dá)也是在線教育平臺(tái)Coursera的聯(lián)合創(chuàng)始人（withDaphne Koller）。
????????他的機(jī)器學(xué)習(xí)公開(kāi)課：網(wǎng)易機(jī)器學(xué)習(xí)公開(kāi)課。聽(tīng)一位大師，講數(shù)學(xué)，原來(lái)是如此生動(dòng)！并配有機(jī)器學(xué)習(xí)講義。看完，之后，會(huì)對(duì)機(jī)器學(xué)習(xí)算法的認(rèn)識(shí)有一個(gè)質(zhì)的飛越。
Edward Chang:我是在吳軍老師的《數(shù)學(xué)之美》中看到張智威老師，解決了并行SVD算法，但是，現(xiàn)在還沒(méi)有任何關(guān)于這方面的資料。張智威老師的個(gè)人主頁(yè)上，給出了關(guān)于并行支持向量機(jī)的算法，有一篇文章的符號(hào)，有一點(diǎn)混亂，我在這里給出了重新的計(jì)算和梳理。
Andrea Vedaldi：vlfeat源碼的管理者之一，它近期寫(xiě)的關(guān)于支持向量機(jī)的文章很是喜歡，作者個(gè)人主頁(yè)提供非常豐富的Matlab和C源碼。
Ashesh Jain：作者的研究興趣是機(jī)器學(xué)習(xí)和凸優(yōu)化。作者的個(gè)人主頁(yè)上有支持向量機(jī)的多核學(xué)習(xí)(Multiple Kernel Learning)源碼。
Lin Chih-Jen：公認(rèn)的最好的支持向量機(jī)開(kāi)源libsvm，可以很好做Mercer Kernel做擴(kuò)展，我添加常用11個(gè)Mercer核，并加在了libsvm中。推薦系統(tǒng)源碼libmf。非負(fù)矩陣分解源碼NMF。
————————————————————————————————————————————————————————————————————————————
計(jì)算機(jī)視覺(jué)團(tuán)隊(duì)：這三個(gè)團(tuán)隊(duì)主頁(yè)上，提供了圖像和視頻算法的大量研究成果
LEAR
Visual Geometry Group
Multimedia Laboratory
___________________________________________________________________________________________________________________________________
推薦系統(tǒng)：
libFM
總結(jié)
以上是生活随笔為你收集整理的个人喜欢的关于模式识别、机器学习、推荐系统、图像特征等方面个人主页及博客的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇： 如何使用GIST+LIBLINEAR分类
- 下一篇： 视音频技术零基础学习方法