这里要跟大家分享的paper为基于特征线的图像 morphing，对应的英文文献为《Feature-Based Image Metamorphosis》，是1992年SIGGRAPH 上的一篇paper，比较老的一篇paper，然而这篇paper引用率非常高，用于图像变形效果还是挺不错的，这个算法一般用于图像的morphing。因为这篇paper算法原理简单，易于实现，所以不用怕学习这个算法需要多

本篇博文主要讲解2012年大神吴恩达所发表的一篇paper:《Learning Feature Representations with K-means》。可能大家对于k均值聚类，这个算法之前已经非常熟悉了，觉得这个算法是一个很简单的算法。但是其实很多人，学了k均值以后，开始前先要讲一下spherical K-means算法，这个算法与我们平时学到的k-means算法稍微有点不同，是k—means

基于梯度场的网格编辑，对应的Paper为《Mesh Editing with Poisson-Based Gradient Field Manipulation》，是Siggraph 2004上的一篇paper，这篇paper与基于拉普拉斯的网格变形方法，统称为基于微分域的网格变形算法，这篇paper其实本质上最后的求解公式和基于拉普拉斯的网格变形方法一样

文献最大的意义在于把CRF的求解推理迭代过程看成了RNN的相关运算，嵌入CNN模型中，达到了真正的算法之间的融合。想要深入理解这篇文献，需要先学会文献《Efficient Inference in Fully Connected CRFs with Gaussian Edge Potentials》、《Fully Convolutional Networks for Semantic Segmen

本篇博文主要讲解2013年face++的大牛们提出的改进的DCNN模型《Extensive Facial Landmark Localizationwith Coarse-to-fine Convolutional Network Cascade》，发表于2013年ICCV上的一篇用于定位多个人脸特征点的文献，实现了68个人脸特征点的高精度定位。这篇paper没有给出训练数据，也没有给出测试模型、

水平集(level set)的基本思想是将界面看成高一维空间中某一函数ψ（称为水平集函数）的零水平集，同时界面的演化也扩充到高一维的空间中。我们将水平集函数按照它所满足的发展方程进行演化或迭代，由于水平集函数不断进行演化，所以对应的零水平集也在不断变化，当水平集演化趋于平稳时，演化停止，得到界面形状。

hjimce算法类博文目录个人博客：http://blog.csdn.net/hjimce个人qq：1393852684知乎：https://www.zhihu.com/people/huang-jin-chi-28/activities一、深度学习深度学习(七十三)pytorch学习笔记深度学习(七十二)tensorflow 集群训练深度学习（七十一）3D CNN时空特征学习深度学习（七十）da

这里要跟大家分享的是2013年Siggraph上面的一篇paper，名为《Geodesics in Heat:A New Approach to Computing Distance Based on Heat Flow》，这篇paper没有提供源代码，但是因为算法的思想相当新颖，如果你之前有研究过其它的测地三角网格曲面上的测地距离算法，那么看到这篇paper后，你会非常的激动，觉得这个算法相当神

之前帮导师搞过一个项目，涉及点云尖锐的特征边重建技术，很多文献看起来效果很好，然而都是坑爹的算法，鲁邦性很差，比如这篇paper《Feature Sensitive Surface Extraction from Volume Data》把我坑的好惨，网上没有提供源代码

空间金字塔池化，又称之为“SPP-Net”，记住这个名字，因为在以后的外文文献中，你会经常遇到，特别是物体检测方面的paper。这个就像什么：OverFeat、GoogleNet、R-CNN、AlexNet……为了方便，学完这篇paper之后，你就需要记住SPP-Net是什么东西了。空间金子塔以前在特征学习、特征表达的相关文献中，看到过几次这个算法。既然之前的CNN要求输入固定大小的图片，那么我们