卷积层：这个是卷积神经网络的核心所在（作为数学概念，我们在第10章已做了详细介绍。不熟悉的读者可前往查阅 [1]）。在卷积层，通过实现“局部感知”和“权值共享”等系列的设计理念，可达到两个重要的目的：对高维输入数据实施降维处理和实现自动提取原始数据的核心特征。 激活层：其作用是将前一层的线性输 ...

泰勒展开式 函数的局部线性近似当自变量x足够小时，在某个点的很小领域内，$\Delta y$可以表示为$\Delta x$的线性函数。线性函数求导和计算会很方便。举例来说，$ f(x) = x^3 $$ \Delta y = f(x_0 + \Delta x) - f(x_0) = (x + \De ...

BP反向传播 This is an example link. \frac{\partial {L_d}}{\partial {w^{(1)}_{j}}}=\frac{\partial {L_d}}{\partial {out_{j}}} \frac{\partial {out_{j}}}{\par ...

关于HOG 的检测窗口HOG 检测窗口的滑动长度默认为8 ，必须为cell size的倍数 关于MATLABMatlab中经常会用到括号去引用某Array或者是cell的内容，但三者有什么具体区别呢？[ ]中括号用来构建向量(Vectors)或者是矩阵(Matrices)。如[6.9 9.64 sq ...

HOG,SIFT与DPM的特征向量 名称 维度 说明 HOG 3781 计算公式：[(64-16)/8+1]×[(128-16)/8+1]×36+1=3781 其中每个cell含有8×8个像素。检测窗口宽64，长128，横向和纵向步长为8，+1是一开始本身的长度。所以计算出检测窗口中有 ...

多示例学习（Multiple Instance Learning）在DPM中提到的latent SVM 实际上就是MILSVM的变种。我们考虑这样一种训练数据，这个数据是有标记的，标记只有两个类别，正和负。但这一次标记的目标不是一个样本，而是一个数据包（bag)。某一个或者几个数据合在一起叫做一个b ...

1.Opencv Svm train 方法参数ROW_SAMPLE each training sample is a row of samples COL_SAMPLEeach training sample occupies a column of samples 2.HOG+SVM在检测时，被 ...

1.重新理解了SVM公式2.tan^-1 其实是反三角函数 VC++实现识别手写汉字现在是晚上8点半，希望一个半小时实现，加油 关于DPM的改进hog特征DPM改进后的HOG特征取消了原HOG中的块(Block)，只保留了单元（Cell），但归一化时，是直接将当前单元与其周围的4个单元（Cell）所 ...

行人检测算法评测标准 实际种类 预测为正样本 预测为负样本 实际为正样本 TP FN 实际为负样本 FP TN （1）精确度(Precision):TP/(TP+FP) （2）召回率 (Recall): TP/(TP+FN) （3）准确率 (Accuracy): ...

1.推导svm，121-123全部推导成功 关于matlab1.matlab ceil函数向上取整，ceil（2.3）=3 .^ 操作是指 每个矩阵中的每个元素进行幂运算 hist 函数