[LibSVM] SVM 實驗最佳化參數
多媒體系統課當時已稍微玩過LibSVM實驗，然而那時候並沒有下參數，讓分類結果最佳化，於是今日捲土重來。
Archive for the ‘多媒體系統設計’ Category
非線性支持向量機器 (Non-linear SVMs)
承接支持向量機器 (Support Vector Machine)的介紹之後，我們知道資料通常沒有那麼容易地被完美分類，那問題是不是就無解了呢？其實不然，如果用直線無法區分，那麼就用曲線來區分，然而曲線也會遇到障礙，而不得不讓資料混在錯的類別，如果我們提高層次來看待分類，那麼問題似乎就變得簡單了。
支持向量機器 (Support Vector Machine)
支持向量機器 (Support vector machine)通常用在機器學習 (Machine learning)。是一種監督式學習 (Supervised Learning)的方法，主要用在分類 (Classification)和回歸 (Regression)上。現今多數人多簡稱之為SVM，在此來個SVM概念教學。
註：監督式學習，是一個機器學習中的技巧，可以由訓練資料中學到或建立一個模式（function / learning model），並依此模式推測新的實例 (instances)。訓練資料（training data）是由輸入物件（通常是向量）和預期輸出所組成。函數的輸出可以是一個連續的值（稱為迴歸分析），或是預測一個分類標籤（稱作分類）。
Precision and Recall
Precision and Recall是評估測量 (Evaluation Measurement)的方法之一，特別是在資訊檢索和資料探勘這兩個領域，我們想知道下query後系統的效能如何，系統回傳的結果是不是使用者想要的。
積分直方圖 (Integral Histogram)
跟上次介紹的積分影像 (Integral Image)很像，積分直方圖 (Integral Histogram)有異曲同工之妙，都是dynamic programming的一種計算值的方法，可重複利用過去已計算過的值，來獲得未來所需要的值，這種DP技巧可以減少相當多的計算量，進而達到加速的目的。
[OpenCV] 人臉偵測2 (Face Detection)
去年已經寫過人臉偵測 (Face Detection)，那是Sedir同學 (這裡幫她廣告一下～目前單身，想認識可留言或寄信給我)推薦我使用的程式碼，這次我自己試用OpenCV 2.4 beta裡的tutorial code，發現它多了人眼偵測 (Eye Detection)，那就直接來玩這版的人臉偵測 (Face Detection)。
積分影像 (Integral Image)
人臉偵測使用Haar features來辨別window中的影像是否為人臉特徵，然而以暴力法來做速度實在太慢，為什麼？因為必須掃描整張影像，而且影像裡人臉的特徵除了位置因素，還有大小和型態等因素需要考量，勢必得利用特殊計算方法，才能達到現在如數位相機的real-time人臉偵測，於是積分影像 (Integral Image)這個計算方法因應而生！
多媒體系統設計期末專案—影像檢索 (Final Project – Image Retrieval)
昨天以超破的英語報告，有很多細節想講，但……哈～一直吃螺絲，無法淋漓盡致地表現，真是可惜呢！總之，我覺得我的專案做得很出色，雖然還是只能offline影像檢索，但對於同一類影像的檢索，準確率十分高，這都多虧強大的SIFT區域特徵擷取，只要加速它，相信就能做到online影像檢索：Ｐ
多媒體系統設計期末專案點子—影像檢索 (Idea of Final Project – Image Retrieval)
五月底的時候，多媒體系統設計課報告了期末專案的點子，有關於影像檢索。
手機模型辨識系統 (Phone Model Recognition System)
今天和下週是多媒體報告的日子，我抽到簽王—紅心A，依老師定義，是21號，而我們班同學有21個，於是我就是最後一個報告啦～若我想要第一個衝上去報告也可以，我們有自願制度！不過我要多利用一個禮拜的時間，今天先觀摩大家報告的狀況，然後揣摩自己報告的時候會有什麼樣的問題，發現之後立刻做改進！我發先這位同學—路克做得相當有趣，是一個叫做手機模型辨識的系統。
逍遙文工作室 
HappyMan・迴響