最近项目需要将单个相机拓展到多个相机阵列,使用的相机是xtion,因此首先要做的一步就是将多个相机的输入都能读取到。
压缩感知与稀疏模型——Proximal Gradient
实际上这节课讲的内容也比较多,对应的是convex optimization,这里主要介绍一下lasso回归以及对应使用的Proximal Gradient Decent(PGD)。
压缩感知与稀疏模型——Convex Methods for Sparse Signal Recovery
第三节课的内容。这节课上课到半截困了睡着了,看着大家都很积极请教认真听讲,感觉很惭愧。周末不能熬太晚。这个博客就记录一下醒着时候听到的内容。
压缩感知与稀疏模型——Sparse Signal Model
这篇博客介绍第二节课的一些内容。虽然第二章题目是Sparse Signal Model,但是这篇博客还介绍了很多高维下的内容,因此内容是比较杂的。不过这个也就是上课内容的记录,而不是完全按照博客题目分的。
压缩感知与稀疏模型——Introduction
暑期课程开始了,这个暑假选了大名鼎鼎的马毅老师的课:压缩感知与稀疏模型。不过马老师在深圳呆的时间只有一周,因此这个课对于压缩感知理论的介绍不会面面俱到,希望能建立一个框架出来,而对日后工作学习有所启发。
Paper——Image Super-Resolution as Sparse Representation of Raw Image Patches
这次阅读一篇关于超分辨的论文。这篇文章的作者里有马毅老师,他是伯克利的老师,也是TBSI的老师,是非常有威望的一名学者。这篇文章在超分辨领域是比较经典的文章了。
Paper——Single Image Haze Removal Using Dark Channel Prior
学习数字图像处理的时候阅读了这一篇关于去雾的文章:Single Image Haze Removal Using Dark Channel Prior。这篇文章是大名鼎鼎的何凯明的第一篇文章,而且还获得了CVPR best paper award,非常令人佩服了。