Jooo's life story

ASIFT 사이트 : http://www.ipol.im/pub/art/2011/my-asift/ 온라인 데모와 소스 코드 공개

샘플 코드 : http://www.codeproject.com/Articles/95453/Automatic-Image-Stitching-with-Accord-NET 언어 : c# 코드 알고리즘 1. Harris 코너 검출기 2. Correlation Matrix 3. Ransac으로 호모그래피 구하기 4. Linear Blending

http://www.samontab.com/web/saliency/ 논문 링크 : http://www.samontab.com/web/files/Montabone_IMAVIS_Manuscript.pdf 소스 코드 링크 : http://www.samontab.com/web/files/saliencyCode.zip

두 개의 각각 평균과 분산이 있는데, 이 둘 간의 거리 또는 유사도를 비교하고 싶었다. 원래는 정규분포로 가정하고, 두 분포의 교집합을 구해 유사도를 측정하고 싶었다. 많은 서치 결과 간단하게 수학적으로 교차하는 영역의 퍼센트를 구하는 방법은 찾지 못했다. 물론 프로그래밍 방법으로 많은 반복을 통해 구할 수 있는 방법은 있게지만, 속도가 문제다. 그래서 이참에 다양한 거리 또는 유사도에 관한 방법론에 대해 정리하고자 한다. "거리"라는 측정 기준을 만족하려면, 다음의 4가지 조건을 만족해야한다 1. d(x,y ) >= 0 ( non-negativity) 2. d(x,y) = 0 오직 x와 y가 같은 경우에만 만족해야함 (identity of indiscernibles) 3. d(x,y ) = d(y,x)..

OpenGL Vertex Buffer Object (VBO) : http://www.songho.ca/opengl/gl_vbo.html OpenGL Frame Buffer Object (FBO) : http://www.songho.ca/opengl/gl_fbo.html OpenGL Pixel Buffer Object (PBO) : http://www.songho.ca/opengl/gl_pbo.html 관련 소스 : http://code.google.com/p/openni-hand-tracker/source/clones (컴파일 하려면, Bullet 라이브러리, Opencv, OpenNI가 필요합니다. 헌데, 컴파일해도 실행하면서 에러가 나네요. 소스분석용으로 사용하면 좋을듯 합니다. bullet 라이브러..

3D 좌표점들이 여러개 주어졌을 경우 이를 가장 잘 적합하는 3D 평면의 방정식을 찾고 싶은 경우, 여러가지 방법이 있다. SVD, Least Squres 등등.. 본인은 최소자승법을 사용하고 싶어서 열심히 찾았다. 본인은 ax + by + cz +d =0 으로 놓고 죽어라 풀어도.. 감이 잡히지 않았다. 우연히 찾는 링크에서 쉽게 해결책을 찾을 수 있었다. 평면의 방정식을 다음과 같이 세우면 풀 수 있다. ax + by + c = zhttp://stackoverflow.com/questions/15959411/best-fit-plane-algorithms-why-different-results-solved 위의 코드는 파이썬 코드 인데, 머 어쨋든 방법은 알았으니, 이제 C++로 코딩을 해봐야겠다.

RBM C++ 소스 코드 : http://ei-fye.seesaa.net/article/332428081.html Consider a training set of binary vectors which we will assume are binary images for the purposes of explanation. The training set can be modeled using a two-layer network called a \Restricted Boltzmann Machine" (Smolensky, 1986; Freund and Haussler, 1992; Hinton, 2002) in which stochastic, binary pixels are connected to stochastic,..

참고 논문 : Floating search methods in feature selection, 1994, P.Pudil, J. Novovicova, J. Kittler boosting 논문을 보다가 Floating search method 를 이용하여 특징을 제거하는 방법에 대한 간단한 설명으로 이 논문까지 오게되었다. 논문의 설명은 애매하긴한데, 일단 아는데로 정리해보도록 하자. 크게 두가지 방식이 있다. 1. The Sequential Forward Floating Selection Algorithm 2. The Sequential Backward Floating Selection Algorithm 1은 공집합으로부터 좋은 특징을 추가하는 형태이고, 2는 반대로 전체 집합에서 가장 좋지 않은 것부터..

Robust Object Detection Via Soft Cascade 기존 케스케이드의 문제점을 제시하고, 이를 보완하여 좋은 성능을 내는 케스케이드를 제안한다. 그 중 가장 큰 문제점은 , 기존 케스케이드는 이전 스테이지를 통과한 정보를 다음 스테이지에서 전혀 활용하지 않는다는 것이다. 또한 요세 계속 생각하는 문제를 이 논문에서 지적해주어 좀 더 확실해졌다. 그것은 포지티브 샘플의 다양성? 분산이라고 해야할려나? 머 여튼 많은 경우의 수를 갖는 포지티브 샘플의 경우에 케스케이드는 안정적이지 않다는 것.. 이것은 직접 코딩해보고, 상당히 많은 시간 생각을 해야 알 수 있는 문제일 것이다. 여기서 제안하는 Soft Cascade는 Boosting Chain 과 매우 유사하다고 설명하고 있는데, 논문 ..