Jooo's life story

화살표 소스 코드 : http://www.codeproject.com/Articles/15419/GLFW-A-Simple-OpenGL-Framework-Library

/////// 전역변수 /////// int _style; CRect _originWindow; //////////////////////// void CEx2Dlg::OnBnClickedButton1() // 전체화면 { int windowWidth = GetSystemMetrics(SM_CXSCREEN); int windowHeight = GetSystemMetrics(SM_CYSCREEN); _style = ::GetWindowLong(this->m_hWnd, GWL_STYLE); ::GetWindowRect(this->m_hWnd, &_originWindow); ::SetWindowLong(this->m_hWnd, GWL_STYLE, NULL); SetWindowPos(&wndTopMost, 0, ..

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 ..

설치 방법 : http://sijoo.tistory.com/132 그래프 모음 : http://matplotlib.org/gallery.html 소스 코드 링크 : http://sijoo.tistory.com/133

ㄱ import matplotlib.pyplot as plt import matplotlib.legend as legend index=[0.7, 0.6, 0.5, 0.4, 0.3, 0.2, 0.1, 0] #GABDR=[0.86, 1, 0.98, 0.98, 0.99, 0.98, 0.99, 1] GABDR=[0, 0.51, 0.37, 0.87, 0.41, 0.33, 0.56, 0.65] gab,=plt.plot(index, GABDR, 'ro-') #plt.plot(index, GABFPR, 'ro-') #RABDR=[0.94, 0.99, 0.99, 0.97, 0.99, 0.96, 0.90, 1] RABDR=[0.06, 0.39, 0.53, 0.43, 0.29, 0.42, 0.41, 0.34] rab,=pl..

파이썬(Python) 강좌 http://codejob.co.kr/docs/view/2/ 파이썬(Python) 설치 http://www.python.org/download/ 다운로드 후 그냥 설치하면 됩니다. 그 후 Path 설정을 해주면 됩니다. Path 설정은 윈도우 7의 경우 내컴퓨터(우측버튼)->속성-> 고급 시스템 설정-> 고급(탭)->환경 변수 변수명 : Path 선택 후 편집 눌러서 뒤에 파이썬 설치 경로를 추가하면 완료. Matplotlib 다운로드 : http://matplotlib.org/downloads.html 본인은 파이썬을 2.7을 설치하였으므로 matplotlib도 2.7 호환 버전으로 설치했습니다. numpy 다운로드 : http://sourceforge.net/projects..

Boosting? 여러 약한 분류기들 중에 몇개의 성능 좋은 분류기를 뽑아 강한 분류기를 만들겠다는 전략. 쉽게 이야기하면, 다 잘난 놈은 구하기 힘드니까, 영어 잘하는 놈, 수학 잘하는 놈, 과학 잘하는 놈을 각각 뽑아서 다 잘하는 놈보다 좋은 점수를 얻겠다는 전략 현재까지 조사한 다양한 부스팅 종류 - Adaboost는 부스팅의 한 종류로서, 약한 분류기를 선택할 경우 학습 데이터에 가중치를 적응적으로 주어 이전에 선택된 약분류기가 잘 못푸는 문제에 가중치를 더 주어 그 문제를 더 잘 푸는 약분류기가 선택되도록 하겠다는 전략. 1. Discrete AdaBoost 2. Real AdaBoost 3. LogitBoost 4. Gentle AdaBoost 1. Discrete AdaBoost - 자세히 ..

중요 코드 //가중치 갱신, 및 약분류기 신뢰도 계산 함수float icvBoostNextWeakClassifierGAB( CvMat* weakEvalVals, CvMat* trainClasses, CvMat* /*weakTrainVals*/, CvMat* weights, CvBoostTrainer* trainer ) { uchar* evaldata; int evalstep; int m; uchar* ydata; int ystep; int ynum; uchar* wdata; int wstep; int wnum; int i, idx; float sumw; CV_Assert( weakEvalVals != NULL ); CV_Assert( CV_MAT_TYPE( weakEvalVals->type ) == CV..