学习是一件非常困难的事情。首先是工作本身已经很累了,然后是一些客观的家里的事情会消耗你的时间,再然后是新知识本身的难度,面对一堆看不懂的公式,再掂量一下自己有限的智商,不学习貌似日子还是可以继续过下去,那我为什么还要学习呢?夜深人静的时候,媳妇已经睡下,想到自己人生将半,学习计划还是得坚持下去:夜来欹枕细思量,独卧残灯漏夜长; 名不显时心不朽,再挑灯火夜读书。
路虽远行则将至。
北交 · 图像处理与机器学习
“数字图像处理”主要包括图像增强、形态学处理、图像分割等。
“机器学习”部分主要包括贝叶斯决策、人工神经网络以及深度学习导论。
已完成。
note
巴特沃斯(Butterworth)滤波器
1 阶巴特沃斯没有“振铃“,随着阶数增大,振铃现象越发明显。下图取 n=2, 可以看出空域函数外围部分出现震荡。
高斯滤波器的过度特性非常平坦,因此不会产生振铃现象。
同态滤波实现图像去雾。 消除不均匀照度的影响而又不损失图象细节。
同态滤波是把频率过滤和灰度变换结合起来的一种图像处理方法,它依靠图像的照度 / 反射率模型作为频域处理的基础,利用压缩亮度范围和增强对比度来改善图像的质量。使用这种方法可以使图像处理符合人眼对于亮度响应的非线性特性,避免了直接对图像进行傅立叶变换处理的失真。
基于 Retinex 滤波。基于迭代多尺度引导滤波 Retinex 的低照度图像增强。
因为 RGB 模型中与『负光』混合所带来的种种问题,CIE 从数学上定义了三种标准基色 XYZ(是理论上的颜色,而非实际的颜色),形成了『CIE XYZ 颜色模型』。
CMYK(印刷) Lab & YUV(YCbCr 现代彩色电视) HSI(人的视觉系统)、HSV
颜色建模的发展历程:
在早年 CRT 显示器流行的年代,我们遇到了显示伽马问题,从而引入了伽马校正过程并延用至今。
看完了。
基于区域的分割算法。4 叉树,根据方差递归回溯合并。
note
分裂与合并是一种区域分割方式,将图像划分成不相交的区域,以某一检测准则从四叉树数据结构的任一层开始,对区域进行分裂或合并。并逐步改善区域划分的性能,直到最后将图像分成数量最小的均匀区域为止。
Alpha Go,基于深度神经网络、强化学习和蒙特卡洛树搜索。 Alpha Go/Zero 系统是一个伟大的工程作品,由多种方法混合组装而成。其中的核心组件是:
这里看完了。
似然比 likelihood ratio, LR
判别函数 特征空间 决策面
贝叶斯理论并用贝叶斯的思想解释了线性回归器和分类器。 线性分类器 Linear Discriminant Function (LDF)
非线性分类器 Quadratic Discriminant Function (QDF)
概率是已知参数,对结果可能性的预测。似然是已知结果,对参数是某个值的可能性预测。
note
极大似然估计(MLE)、贝叶斯估计、最大后验概率估计(MAP)
极大似然估计(Maximum likelihood estimation, 简称 MLE)和
最大后验概率估计(Maximum aposteriori estimation, 简称 MAP)是很常用的两种参数估计方法。
1998, LeNet
Long Short-Term Memory Neural Network, LSTM 长短时记忆神经网络
Caffe
TensorFlow
Theono
Torch, PyTorch
MxNet
note | kdnuggets.com Deep learning is more vulnerable to adversarial examples than other kind of machine leaning due to the extreme non-linearity of deep models. Deep learning is more vulnerable to adversarial examples than other kind of machine learning.
三种方法:
Preprocessing
分类器
2024-04-28: review
参考资料快照