图像分割（Graph-Based Image Segmentation）：
（1）详细一点的版本
图像分割—基于图的图像分割（Graph-BasedImageSegmentation）_小新识图的博客-CSDN博客_felzenszwalb算法图像分割—基于图的图像分割（Graph-Based Image Segmentation） Reference: Efficient Graph-Based Image Segmentation,IJCV 2004,MIT CodeGraph-Based Segmentation 是经典的图像分割算法，作者Felzenszwalb也是提出DPM算法的大牛。该算法是基于图... https://blog.csdn.net/huixingshao/article/details/42642973
（2）简略清晰一点的版本：
【论文笔记】Efficient Graph-Based Image Segmentation - 知乎论文链接：An efficient hierarchical graph based image segmentation摘要 将图像分成若干个彼此不相交的，具有独特性质的区域，然后从中提取出感兴趣的目标。本文提出的分割方法，能够保持低变化区域的细节，同… https://zhuanlan.zhihu.com/p/354309541
Selective Search：
理解Selective Search - 知乎一、前言在目标检测学习系列的文章中，很多检测算法都会涉及到Selective Search的使用，比如R-CNN。这篇文章主要复习一下Selective Search的核心内容和简单使用。论文参考《 Selective Search for Object Recognit…https://zhuanlan.zhihu.com/p/39927488
论文内容详解：
（1）简略一些
R-CNN网络结构详解_Yi_Kong的博客-CSDN博客_rcnn网络结构在介绍R-CNN之前，先来了解一种目标检测算法的思路。目标检测-Overfeat模型最初的目标检测采用的思路是滑动窗口，比较暴力的从左到右和上到下的扫描图片。设定好检测框（Bounding box）的大小，扫描图片后生成字图片。这样就变成了分类的问题了。但是，图片中的物体大小是不一样的，这也意味着每个检测框的大小也不一样了。所以就要提前设定M个检测窗口，每个窗口滑动提取N张图片，总共M*N...https://blog.csdn.net/weixin_42768004/article/details/105097944（2）详细一些
R-CNN详解_WeisongZhao-CSDN博客_r-cnnpaper链接：Rich feature hierarchies for accurate object detection and semantic segmentation&创新点采用CNN网络提取图像特征，从经验驱动的人造特征范式HOG、SIFT到数据驱动的表示学习范式，提高特征对样本的表示能力；采用大样本下有监督预训练+小样本微调的方式解决小样本难以训练甚至过拟合等问题。&...https://blog.csdn.net/weixin_41923961/article/details/80246244
SVM支持向量机：
（1）公式多一些的版本
SVM详细讲解_JustForFun的博客-CSDN博客_svm转自：https://blog.csdn.net/myarrow/article/details/512619711. 目标 SVM是一个二类分类器，它的目标是找到一个超平面，使用两类数据离超平面越远越好，从而对新的数据分类更准确，即使分类器更加健壮。 支持向量（Support Vetor）：就是离分隔超平...https://blog.csdn.net/u013019431/article/details/79952483（2）讲的很形象的一个版本：
推导 | SVM详解 - 薇拉航线P.S. 鉴于个人水平有限，若有表述错误之处敬请指出，愿我们共同进步~基本型推导SVM一直是我非常喜欢的一个算法，所以没事喜欢推一推。这里尝试用简单直白的语言来对它的推导过程进行介绍~如果你已经... https://www.zuozuovera.com/archives/1440/
|