zouxy09的專欄悲喜枯榮如是本無分別，當來則來，當去則去，隨心，隨性，隨緣！-zouxy09@qq.com
http://blog.csdn.net/zouxy09
2012年8月21號開始了我的第一篇博文，也開始了我的研究生生涯。懷著對機器學習和計算機視覺等等領域的懵懂，從一個電子材料的領域跨入這個高速發展的人工智能領域。從開始的因無知而驚慌，因陌生而乏力，到一步步的成長。這過程的知識積累也都大部分反映在這個博客上面了。感謝這個平臺促使自己去總結去堅持去進步。也感謝這個平臺給我帶來了和大家交流的機會。借此博文總結自己過去與未來可能散亂的博文。在此也謝謝大家一直的支持和鼓勵，謝謝。
一、基于計算機視覺的目標跟蹤
計算機視覺、機器學習相關領域論文和源代碼大集合
計算機視覺目標檢測的框架與過程
最簡單的目標跟蹤（模版匹配）
壓縮感知（Compressive Sensing）學習之（一）
壓縮感知（Compressive Sensing）學習之（二）
壓縮跟蹤Compressive Tracking
壓縮跟蹤Compressive Tracking源碼理解
TLD（Tracking-Learning-Detection）學習與源碼理解之（一）
TLD（Tracking-Learning-Detection）學習與源碼理解之（二）
TLD（Tracking-Learning-Detection）學習與源碼理解之（三）
TLD（Tracking-Learning-Detection）學習與源碼理解之（四）
TLD（Tracking-Learning-Detection）學習與源碼理解之（五）
TLD（Tracking-Learning-Detection）學習與源碼理解之（六）
TLD（Tracking-Learning-Detection）學習與源碼理解之（七）
CVPR2013一些論文集合供下載（visual tracking相關）
時空上下文視覺跟蹤（STC）算法的解讀與代碼復現
基于感知哈希算法的視覺目標跟蹤
基于meanshift的手勢跟蹤與電腦鼠標控制（手勢交互系統）
二、Deep Learning 深度學習
Deep Learning（深度學習）學習筆記整理系列之（一）
Deep Learning（深度學習）學習筆記整理系列之（二）
Deep Learning（深度學習）學習筆記整理系列之（三）
Deep Learning（深度學習）學習筆記整理系列之（四）
Deep Learning（深度學習）學習筆記整理系列之（五）
Deep Learning（深度學習）學習筆記整理系列之（六）
Deep Learning（深度學習）學習筆記整理系列之（七）
DeepLearning（深度學習）學習筆記整理系列之（八）
DeepLearning源代碼收集
Deep Learning論文筆記之（一）K-means特征學習
Deep Learning論文筆記之（二）Sparse Filtering稀疏濾波
Deep Learning論文筆記之（三）單層非監督學習網絡分析
Deep Learning論文筆記之（四）CNN卷積神經網絡推導和實現
Deep Learning論文筆記之（五）CNN卷積神經網絡代碼理解
Deep Learning論文筆記之（六）Multi-Stage多級架構分析
Deep Learning論文筆記之（七）深度網絡高層特征可視化
Deep Learning論文筆記之（八）Deep Learning最新綜述
基于3D卷積神經網絡的行為理解（論文筆記）
三、機器學習相關
機器學習算法中文視頻教程
機器學習知識點學習
從最大似然到EM算法淺解
淺說機器學習中“迭代法”
徑向基網絡（RBF network）之BP監督訓練
模板匹配中差值的平方和（SSD）與互相關準則的關系
生成模型和判別模型
機器學習中的范數規則化之（一）L0、L1與L2范數
機器學習中的范數規則化之（二）核范數與規則項參數選擇
LibLinear（SVM包）使用說明之（一）README
LibLinear（SVM包）使用說明之（二）MATLAB接口
LibLinear（SVM包）使用說明之（三）實踐
計算機視覺、機器學習相關領域論文和源代碼大集合
機器學習算法與Python實踐之（一）k近鄰（KNN）
機器學習算法與Python實踐之（二）支持向量機（SVM）初級
機器學習算法與Python實踐之（三）支持向量機（SVM）進階
機器學習算法與Python實踐之（四）支持向量機（SVM）實現
機器學習算法與Python實踐之（五）k均值聚類（k-means）
機器學習算法與Python實踐之（六）二分k均值聚類
機器學習算法與Python實踐之（七）邏輯回歸（Logistic Regression）
神經網絡訓練中的Tricks之高效BP（反向傳播算法）
人臉識別之特征臉方法（Eigenface）
Python機器學習庫scikit-learn實踐
標簽傳播算法（LabelPropagation）及Python實現
四、Kinect相關學習與實踐
KinectSDK v1.7 新特性、交互框架與新概念
Kinect開發學習筆記之（一）Kinect介紹和應用
Kinect開發學習筆記之（二）Kinect開發學習資源
Kinect開發學習筆記之（三）Kinect開發環境配置
Kinect開發學習筆記之（四）提取顏色數據并用OpenCV顯示
Kinect開發學習筆記之（五）不帶游戲者ID的深度數據的提取
Kinect開發學習筆記之（六）帶游戲者ID的深度數據的提取
Kinect開發學習筆記之（七）骨骼數據的提取
Kinect開發學習筆記之（八）彩色、深度、骨骼和用戶摳圖結合
五、語音信號處理與語音識別
語音信號處理之（一）動態時間規整（DTW）
語音信號處理之（二）基音周期估計（Pitch Detection）
語音信號處理之（三）矢量量化（Vector Quantization）
語音信號處理之（四）梅爾頻率倒譜系數（MFCC）
語音的基本概念--譯自CMU sphinx
語音識別的基礎知識與CMUsphinx介紹
PocketSphinx語音識別系統的編譯、安裝和使用
PocketSphinx語音識別系統語言模型的訓練和聲學模型的改進
PocketSphinx語音識別系統聲學模型的訓練與使用
PocketSphinx語音識別系統的編程
六、運動檢測
運動檢測（前景檢測）之（一）ViBe
運動檢測（前景檢測）之（二）混合高斯模型GMM
七、圖像特征分析
目標檢測的圖像特征提取之（一）HOG特征
目標檢測的圖像特征提取之（二）LBP特征
目標檢測的圖像特征提取之（三）Haar特征
八、圖像處理相關
簡單粗糙的指尖檢測方法（FingerTipsDetection）
光流Optical Flow介紹與OpenCV實現
用單張2D圖像重構3D場景
九、圖像分割
圖像分割之（一）概述
圖像分割之（二）Graph Cut（圖割）
圖像分割之（三）從Graph Cut到Grab Cut
圖像分割之（四）OpenCV的GrabCut函數使用和源碼解讀
圖像分割之（五）活動輪廓模型之Snake模型簡介
圖像分割之（六）交叉視覺皮質模型（ICM）
十、系統工程
基于Qt的P2P局域網聊天及文件傳送軟件設計
基于FPGA的紅外遙控解碼與PC串口通信
交互系統的構建之（一）重寫Makefile編譯TLD系統
交互系統的構建之（二）Linux下鼠標和鍵盤的模擬控制
交互系統的構建之（三）TTS語音合成的加盟
交互系統的構建之（四）手掌與拳頭檢測加盟TLD
基于meanshift的手勢跟蹤與電腦鼠標控制（手勢交互系統）
十一、嵌入式系統
ubuntu12.04安裝與配置
OpenAL跨平臺音效API的安裝與移植
Yaffs2根文件系統制作
TTS技術簡單介紹和Ekho（余音）TTS的安裝與編程
Android學習筆記之（一）開發環境搭建
十二、編程相關
Python基礎學習筆記之（一）
Python基礎學習筆記之（二）
十三、一些行業調研
OmniVision的CMOS 圖像傳感器技術發展路線
SONY的CMOS 圖像傳感器技術發展路線
SAMSUNG的CMOS 圖像傳感器技術發展路線
CMOS圖像傳感器應用實例及其發展趨勢分析
十四、雜亂
zigzag模式提取矩陣元素
