本例子来自sklearn的demo，我自己在运行demo时候遇到点麻烦，故阅读了下源码，在此总结一些知识点。首先要说明的是如果自己有先下载好的lfw人脸数据集，那么需要将人脸数据集放在lfw_home路径下，这也是因为datasets.fetch_lfw_people在加载数据集的源码的一个小瑕疵。如下图:PCA+SVM实现人脸识别PCA主要是通过奇异值分解将数据映射到低纬度的空间（正交去相关）

这儿仅作为我个人学习SIFT算法的总结！算法存在的意义SIFT（Scale-Invariant feature transform）算法是一种局部特征检测的算法，该算法通过寻找图像中的特征点（interest points ,or corner points）来进行特征点匹配。它在尺度空间寻找极值点，并精确计算出其位置信息，结合尺度，方向信息进行特征描述，该算法具有尺度，旋转不变性，对图像的亮度或

卡洛南-洛伊(karhunen-Loeve)变换，简称K-L变换，也叫霍特林变换或者主成分分析。必备数学知识：协方差，相关系数，协方差矩阵（这三个知识点我是参考的同济大学的概率论数与数理统计那本书，讲的很实在），对称矩阵相似对角化协方差与相关系数都是用来衡量不同维度之间的相关性，正值越大说明正相关越高，负值越大说明负相关越高。协方差在matlab中可用cov（）来进行计算，如下图**主对角线的值

论文：NIPS2016Improved Deep Metric Learning with Multi-class N-pair Loss Objective距离度量学习旨在学习在嵌入空间能够保使得相似数据点靠的近，不相似数据离得远的一种数据嵌入表达技术。得益于深度学习的迅速发展，深度度量学习受到广泛关注。相比于标准的距离度量学习，深度学习能够学习到一种非线性的嵌入表达，这种嵌入表达配合c...

本文概述图像检索是图像研究领域中一个重要的话题，广泛应用于医学，电子商务，搜索，皮革等。本文主要是探讨学习基于局部特征和词袋模型的图像检索设计。图像检索概述图像检索按照描述图像不同方式可以分为两类，一类是基于文本的图像检索（Text Based Image Retrieval），另一类是基于内容的图像检索（Content Based Image Retrieval）基于文本的图像检索基于文本的图像

最近刚开始学数字图像处理，在看到灰度级时候以为灰度只是表示黑白/深浅色图像，其实灰度级指黑白显示器中显示像素点的亮暗差别，在彩色显示器中表现为颜色的不同，灰度级越多，图像层次越清楚逼真。注意，灰度值只是表征单色的亮暗程度。在彩色图像/RGB图像中，图像是一个三维矩阵，如400*300*3，其中400表示列数，300表述行数，3代表三个分量，也就是R,G,B。每一层矩阵（400*300*1

背景：视频帧序列逐个跑一遍CNN模型，发现CPU被占满了经过debug发现问题出在torchvisiontransorms.totensor上经过搜索，torch在设计多线程加速计算时候会默认占满所有core，因此cpu会飙满，这对别的应用程序速度影响非常大，因此需要控制一下。解决方法：1）torch.set_num_threads(1)手动控制一下torch占用的线程数2）设置环境变量expor

七牛是专注文件存储的第三方服务商，服务较好。自己最近做到服务器存储图片的时候就想到用七牛来做，将图片或者文件存放在七牛，然后自己服务器只存放资源存放在七牛文件的url。今天主要分享两个内容：凭证的获取，安卓上传文件在做之前还是先把官方文档好好读几遍比较好首先说说凭证，七牛对所有上传的资源都需要身份验证，就是通过凭证来验证，验证通过，那么就可以成功上传文件，不通过，七牛服务器会反

背景：视频帧序列逐个跑一遍CNN模型，发现CPU被占满了经过debug发现问题出在torchvisiontransorms.totensor上经过搜索，torch在设计多线程加速计算时候会默认占满所有core，因此cpu会飙满，这对别的应用程序速度影响非常大，因此需要控制一下。解决方法：1）torch.set_num_threads(1)手动控制一下torch占用的线程数2）设置环境变量expor

每次加代码方案# user/bin/python# -*-encoding:utf-8 -*-import sysreload(sys)sys.setdefaultencoding('utf-8' )在绘图时候，加一行代码plt.rcParams['font.sans-serif'] = ['SimHei']修改配置文件，永久性解决中文显示问题我的windows10+py2.7没成功！oh,