图像处理与机具视觉行业分析

By admin in 天文学 on 2018年11月16日

平 行业分析

     
数字图像处理是指向图像进行辨析、加工、和拍卖,使其满足视觉、心理以及其它要求的技能。图像处理是信号处理在图像域上之一个采用。目前大部分之图像是盖数字形式 存储,因而图像处理过剩景象下靠数字图像处理。此外,基于光学理论的处理办法还占主要之身价。 数字图像处理是信号处理的子类, 另外与电脑对、人工智能等领域呢闹细致的涉嫌。 传统的均等维信号处理的艺术及定义很多照样可一直以在图像处理及,比如降噪、量化等。然而,图像属于二维信号,和相同维信号相比,它有温馨特别之另一方面,处 理的办法以及角度为截然不同。大多数用于一维信号处理的概念都起夫于二维图像信号领域的延,它们中之平等有在二维情形下换得十分复杂。同时图像处理为具备 自身有初的定义,例如,连通性、旋转不变性,等等。这些概念才针对二维或重高维的景况下才生无寻常的意思。图像处理着常常因此到快捷傅立叶变换,因为它们可减多少数目处理量和拍卖时。

数字图像处理应用在偏下方面 :

摄像与印刷 (Photography and printing)

卫星图像处理 (Satellite imageprocessing)

医图像处理 (Medical image processing)

面孔识别, 特征识别 (Face detection,feature detection, face identification)

显微图像处理 (Microscope imageprocessing)

汽车障碍识别 (Car barrier detection)

1.1 行业前景    

     
就我看来,个人认为图像处理的就业要对的。首先得将图像看成二维、三维或者再次高维的信号,从者含义及来说,图像处理是举信号处理其中就业形势太好之,因为若不单要控(一维)信号处理的基本知识,也要控制图像处理(二维或者高维信号处理)的文化。其次,图像处理是计算机视觉和视频拍卖的基础,掌握好了图像处理的基本知识,就业时即好为这些方向发展。目前之模式识别,大部分乎还是图像模式识别。在事实上运用场合,采集的音信过剩还是图像信息,比如指纹、条码、人脸、虹膜、车辆等等。说交用场合,千万不能够忘记了医学图像这无异片,如果来医学图像处理的背景,去部分医疗器械公司还是看软件企业为是不错的抉择。图像处理对编程的要求比较强,如果编程很厉害,当然就业也大半矣一个选项取向,并不一定要局限在图像方向。

1.2 就业趋势

    下面谈谈自己所掌握的部分店消息,仅仅是自我所了解及的或者本身所感兴趣之,实际远远不止如此多。

查找方向

    
基于内容的图像或视频查找是许多找公司研究之香。要惦记进去是世界,必须出酷强之编程能力,很好的图像处理和模式识别的背景。要求高待遇自然就是对,目前即刻上面的代表公司发出微软、google、yahoo和百度,个个鼎鼎大名。

医图像方向

     
目前在医疗器械方向重点是几只很庄当竞争,来头都未小,其中囊括Simens、GE、飞利浦和柯达,主要生产CT和MRI等医疗器具。由于医疗器械的要成效是成像,必然关系到对图像的拍卖,做图像处理的万分有时机进来这些店。它们当国内还有研发核心,simens的以上海同深圳,GE和柯达都在上海,飞利浦的于沈阳。由于看市场是一个从未了开发之商海,而同等模拟医疗设施的标价是异常昂贵之,所以在这些地方的看待还还可以,前景也着眼于。国内为发生部分这样的号按照深圳安科和迈瑞。

微机视觉及模式识别方向

     
我从未失去调研了出什么企业以做,但得不少,比如指纹识别、人脸识别、虹膜识别。还有一个老怪之趋势是车牌识别,这个我可知道出一个铺高德威智能交通似乎做的慌正确的样板。目前视频监控是一个热点问题,做跟踪以及辨别的可以以这方向找到一席之地。

上海法视特位于上海张江高科技园区,在视觉和辨识方面举行的科学。北京之自吗懂少单铺面:大恒和最高,都是以图像作为研发的侧重点。

视频方向

     
一般的大学或研究所侧重在规范的创制和改及技术创新方面,而商家虽然尊重于编码解码的硬件实现者。一般这些企业要求凡如数家珍或会MPEG、H.264或者AVS,选择了这个趋势,只要做的尚不易,基本就是不发愁事。由于当时不是本身所感兴趣的自由化,所以马上地方的号之信息我尚未采集,但平常在相继bbs或者各种招聘网站经常看到。

自所知道的蝇头单商店:诺基亚同pixelworks

其他

     
其实一般的话,只要涉及到成像或者图像的中心都使图像处理方面的人数。比方说一个成像设备,在输出图像之前需要针对原本图像进行加强或者去叫处理,存储时要针对图像进行削减,成像之后需要针对图像内容开展机动分析,这些情节都是图像处理的范围。下面列举部分以及图像有关或者招聘时肯定说明需要图像处理者人才的小卖部:

上海豪威集成电路有限公司

中芯微

摩托罗拉上海研究院

威盛(VIA)

松下

索尼

清华同方

三星

备与图像(静止或者运动图像)有关的商店都是同一种植选择。比如数码相机、显微镜成像、超声成像、工业机器人控制、显示器、电视、遥感等等,都得当求职方向。

促:北京息息相关图像的号

外企:
01、  东芝(中国)有限公司 研究开发中心开发部
02、  通用电气(GE)医疗集团
03、  微软
04、  SONY
05、  凌阳
06、 理光软件研究所(北京)
07、  富士通研究开发中心有限公司
08、  三星电子中国通信研究院
09、  NEC中国研究院
10、  研发体系
11、  德加拉北京办事处
12、  适普软件
13、  松下
14、  佳能信息技术(北京)有限公司
15、  ITS(中国)有限公司
特大型公司:
01、  海湾控股集团有限公司
02、  腾讯研究院招
03、  北大方正
04、  清华同方
05、  北京方正国际
06、  卓望集团
07、  迪瑞集团(北京)研发中心
08、  汉王科技股份有限公司
09、  威视股份
事业单位:
01、  中国核工业集团公司
02、  船舶系统工程部
03、  中科院软件所二总统
04、  中国科学院软件研究所
05、  中科院自动化所
06、  中国兵器工业第二〇八研究所
07、  中国航天科技集团公司
08、  中国航天科技集团公司第五研究院
09、  综合信息系统技术国家级重要实验室
10、  国家农业信息化工程技术研究中心
11、  中国航天科工集团公司飞航技术研究院
12、  铁道部信息技术中心
13、  中国航天科工集团第二研究院次〇七所
14、  中国科学院生物物理研究所
15、  中国电子科技集团公司第三研究所
16、  中国船舶信息中心
17、  航天科工卫星技术有限公司
18、  中科院电子所
19、  中国科学院测算技术研究所
20、  中国康宁生产不利研究院
21、  中国航天时代电子公司光纤惯导项目分公司
22、  中国计量科学研究院
23、  公安部第一研究所
24、  中国印钞造币总公司
中小企业:
01、  北京中自邦柯科技有限公司
02、  北京锦恒佳晖汽车电子系统有限公司
03、  长峰科技工业集团
04、  北京京天威科技发展有限公司招聘职位
05、  北京优纳科技有限公司
06、  北京深拓科技有限公司
07、  永鑫宇恒信息技术
08、  北京蓝卡软件技术有限公司
09、  中盛信合(北京)科技有限公司
10、  北京赛尔蒂扶科技有限公司
11、  北达万坤(北京)科技发展有限公司
12、  北京思比科微电子技术有限公司
13、  北京德韶数码技术有限公司
14、  北京天远三维科技有限公司
15、  航天星图科技(北京)有限公司
16、  北京友通
17、  北京中盾安民分析技术有限公司
18、  北京文安科技发展有限公司
19、  北京华生恒业科技有限公司
20、  北京御恒润科技有限责任公司
21、  北京伟景行数字都科技有限公司招聘
22、  北京不过明源科技有限公司
23、  北京优立慧科信息技术有限公司
24、  北京华旗资讯数码科技有限公司
25、  北京新航智科技有限公司
26、  银河动力
27、  北京普赛科技有限公司
28、  北京德鑫泉科技发展有限公司
29、  北京嘉恒中自图像技术有限公司
30、  优加利信息科技(北京)技术核心
31、  北京天诚盛业科技有限公司
32、  北京华胜天成有限公司
33、  北京威速科技有限公司
34、  深圳市蓝韵实业有限公司(北京)
35、  北京维深科技发展有限责任公司
36、  重庆金山科技(集团)有限公司(北京)
37、  创新科技(中国)有限公司北京分公司
38、  北京思创贯宇科技开发有限公司
39、  明锐标图
40、  中票长城金融设备控股有限公司
41、  北京文安视觉科技有限公司
42、  北京东方红海科技发展有限公司
43、  北京普赛科技有限公司
44、  北京昂天科技有限公司
45、  中国东方红卫星股份有限公司
46、  北京长江源科技有限公司
47、  北京海鑫科金高科技股份有限公司
48、  北京瑞斯康达科技发展有限公司
49、  厚德新视
50、  北京嘉恒中由图像技术有限公司

亚 素质要求

1、请学好图像基本理论知识,笔试会遇到重重基础之书写;
2、良好的团队精神和沟通能力,很强之逻辑思维能力和学能力。对工作认真负责,注重细节,肯吃苦,顾全大局。
3、请多开片其实的门类,少一些驳斥的研讨(针对中小企业而言);
4、请不要单独局限为之课题,因为可能你的课题只是图像处理领域的组成部分浅;
5、请多了解部分系的火线知识;
6、请不要信自己的算法,比如BP神经网络(可能理论研讨时用底不行多,可是实在也?)
7、请尽可能与合作社之相关人探讨该领域的题目,那样的获比较书本大过多;

8、 外语。外语的基本要求凡看明白英文文献(不自然都扣明白),相应的英文书。去外企做研发,这是不可或缺的。然后是口语和听力。如果上外企,外语的关键显然。一般外企的率先轱辘面试都是英语口语面试。

9、 编程。请学好c++语言,99%上述之商店在招图像岗位的人员时时都见面笔试c++;这上头尤以C++为重,很多店家之笔试都是考c++知识。精通C、C++、Matlab等编程语言编写,累计书写代码量超过10万实践以上,精通机械视觉算法建模方法。

10、专业程度。如果要摸专业有关的劳作,研究生期间的钻更与上之舆论就表露的较重大。

11、知识面的大幅度。我看当研究生期间,除了做好自己之研讨方向之外,扩宽一下知识面也出那个酷之帮忙,当然这文化面指的凡图像处理、计算机视觉及模式识别,知识面更红火,就业时的精选就会见越来越多。图像处理方向毕业的就业面非常广泛,而且对在应届生应该是中上等。其实还是相同句话,能力控制整个。只要研究生三年无白了,根本无愁找不交好工作。祝所有正在读研或者将读研的心上人将来犹能够发生雷同卖满意的办事。多数做图象的凡因此MATLAB,用他人的代码(如小波)。在研究生三年学好C++毕业的出略?在合作社C++是根本的。图象其实就算是信号处理,除了本科是效仿信号的外侧,信号及网、数字信号处理是毫无疑问要是效仿好的,那相应的数学方面的几率,多元统计,甚至泛函也要是打听。

说这些不是波冷水,希望大家了解掌握。

Compared to the number of jobs available each year in the imaging soceity, the people who are majoring on it are way too much. I have to say most of the people who studied the this area were not end up with working on this area anymore. 

The most important thing here is to understand image processing, it requires a broad level of knowledge including, some math (algrebra, statistics, PDE), dsp, pattern recognition, programming skills…

It is all these background skills will find you a job, so prepare to have a deep understanding on all these areas related to image processing

自身吧是仿模式识别的,但是研究方向是遥感图像处理和认得别.总的来说这方向是较占,但为是现阶段图像处理中于麻烦开的一个趋势,因为遥感图像的复杂性超过我们所显现了的外图像.其实谈到就业问题,我认为假如研究方向比较相符,特别是读研期间能够到斑竹谈的那些牛比的信用社见习,了解企业真正用之矛头或做起来有对象性.

顺便提下:高德威公司要不要考虑,因为自己于毕业面试过程遭到,虽然面试的人力资源人员很友善,但是通过她们老板写的一对文章可发现他们或者一个比较自恋和骄傲的铺.

权标准好坏之正式发少数单:应用前景和技术门槛。

图像处理重要还是当读研的时候能拿势头做宽(一般做图像处理,需要哪模式识别等相结合,拓宽知识面是必不可少之,在真的做研究之时光,也意识是必须的),研究点做深刻,注重落实力量、创新能力和读书能力,通过舆论。多培养好的资料集团提炼能力,锻炼逻辑思考。如果确能好三年生活不虚度,找工应该不是题材,到常真的使考虑的是定位问题。

12、模式识别,图像处理,应用数学等相关专业本科及以上学历,本科毕业要求10年以上机器视觉或图像处理点工作更,硕士学历要求8年以上机器视觉或图像处理方面工作经验,博士学历要求6年以上机器视觉或图像处理点工作经验,国外留学人员优先。
13、精通高等数学、线性代码、几哪计算、数理统计、张量代数等电脑视觉中之数学方法。
14、精通图像处理基本概念和常用算法包括图像预处理算法和高等处理算法。
15、精通项目管理,要求发生5年以上项目管理经验,能组建集团、领导集团、制定项目计划、实施项目计划完成项目之力量。
16、对Smart Camera 有尖锐研讨,包括功能需求、硬件架构、软件架构、视觉算法,对斯产品有3年以上研发经验。
17、对新产品研发和项目产品化有5年以上工作经验,对新产品研发流程、项目产品化有例外之实践经验。
18、具备充分强之探索创新能力,能够为全新思维带领团队拓展算法研究;
19、对opencv开源项目视觉算法来深深研讨。


其三 学习资源

    做好这几乎接触之途径之一即是充分利用网络资源,特别是权威网站和大拿们的个人主页。下面是自身搜集的一对资源,希望对大家有用。(这里自己如果感谢SMTH AI版的alamarik和Graphics版的faintt) 

同一、研究群体

http://www-2.cs.cmu.edu/~cil/vision.html

立刻是卡奈基梅隆大学的微机视觉研究组的主页,上面提供好咸的素材,从发表文章的下载至示范程序、测试图像、常因此链接、相关软硬件,甚至还来一个找引擎。 

http://www.cmis.csiro.au/IAP/zimage.htm 

当下是一个重视图像分析的站点,一般。但是提供一个Image Analysis环境—ZIMAGE and SZIMAGE。 

http://www.via.cornell.edu/

康奈尔大学之微处理器视觉及图像分析研究组,好像是电子及电脑工程有关的。侧重医学方面的研究,但是在方来一定不错资源,关键是其刚在建设中,能够跟一些音。 

http://www2.parc.com/istl/groups/did/didoverview.shtml

发生一个挺有趣的色:DID(文档图像解码)。 

http://www-cs-students.stanford.edu/

斯坦福大学计算机系主页,自己查找吧:( 

http://www.fmrib.ox.ac.uk/analysis/

要研究:Brain Extraction Tool,Nonlinear noise reduction,Linear Image Registration,

Automated Segmentation,Structural brain change analysis,motion correction,etc. 

http://www.cse.msu.edu/prip/

顿时是密歇根州立大学电脑与电子工程有关的模式识别–图像处理研究组,它的FTP上发生广大的章(NEW)。 

http://pandora.inf.uni-jena.de/p/e/index.html

德国底一个数字图像处理研究小组,在那个上面能找到有不错的链接资源。 

http://www-staff.it.uts.edu.au/~sean/CVCC.dir/home.html 

CVIP(used to be CVCC for Computer Vision and Cluster Computing) is a research group focusing on cluster-based computer vision within the Spiral Architecture. 

http://cfia.gmu.edu/

The mission of the Center for Image Analysis is to foster multi-disciplinary research in image, multimedia and related technologies by establishing links 

between academic institutes, industry and government agencies, and to transfer key technologies to 

help industry build next 

generation commercial and military imaging and multimedia systems. 

http://peipa.essex.ac.uk/info/groups.html 

足由此其来搜寻全世界各地的出名的电脑视觉研究组(CV Groups),极力推荐。 

老二、图像处理GPL库

http://www.ph.tn.tudelft.nl/~klamer/cppima.html

Cppima 是一个图像处理的C++函数库。这里发出一个比全面介绍其的库函数的文档,当然你为堪下载压缩的GZIP包,里面富含TexInfo格式的文档。 

http://iraf.noao.edu/

Welcome to the IRAF Homepage! IRAF is the Image Reduction and Analysis Facility, a general purpose software 

system for the reduction and analysis of astronomical data. 

http://entropy.brni-jhu.org/tnimage.html 

一个不行不错的Unix系统的图像处理工具,看看她的截图。你得在斯基础及构建友好之专用图像处理工具包。 

http://sourceforge.net/projects/

即是GPL软件集散地,到这边追寻你想如果赢得的IP库吧。 

其三、搜索资源

自然这里基本的寻引擎或必须要倚重的,比如Google等,可以到本人常用的链接看看。下面的链接或者会见省去而有的日子: 

http://sal.kachinatech.com/

http://cheminfo.pku.edu.cn/mirrors/SAL/index.shtml

季、大用网页

http://www.ai.mit.edu/people/wtf/

眼看员可MIT人工智能实验室的BILL FREEMAN。大名鼎鼎!专长是:理解–贝叶斯型。 

http://www.merl.com/people/brand/

MERL(Mitsubishi Electric Research Laboratory)中的工“Style Machine”高手。 

http://research.microsoft.com/~ablake/

CV界极有信誉的A.Blake 1977年毕业于剑桥大学三一律院并要数学和电子是学士学位。之后于MIT,Edinburgh,Oxford先后组建了研究小组并化作Oxford的教,直到1999年跻身微软剑桥研究为主。主要办事圈子是计算机视觉。 

http://www-2.cs.cmu.edu/afs/cs.cmu.edu/user/har/Web/home.html 

顿时员牛人好像正在攻读中文,并且搜集了例如“两单独老虎(Two Tigers)”的曲,嘿嘿:)

他的主页上面还有几单牛:Shumeet Baluja, Takeo Kanade。他们之Face Detection作的断然是社会风气五星级。他毕业被卡奈基梅隆大学的微处理器科学系,兴趣是电脑视觉。 

http://www.ifp.uiuc.edu/yrui_ifp_home/html/huang_frame.html

当时号老牛在1963年就得了MIT的博士学位!他领导的Image Lab比较出名的凡指纹识别。 


下面这些是自家采访的牛群(大部分是热火朝天的Ph.D们),可以学习之是她们之Study Ways! 

Finn Lindgren(Sweden):Statistical image analysis http://www.maths.lth.se/matstat/staff/finn/

Pavel Paclik(Prague):statistical pattern recognition http://www.ph.tn.tudelft.nl/~pavel/

Dr. Mark Burge:machine learning and graph theory http://cs.armstrong.edu/burge/

yalin Wang:Document Image Analysis http://students.washington.edu/~ylwang/

Geir Storvik: Image analysis http://www.math.uio.no/~geirs/

Heidorn http://alexia.lis.uiuc.edu/~heidorn/

Joakim Lindblad:Digital Image Cytometry http://www.cb.uu.se/~joakim/index_eng.html

S.Lavirotte: http://www-sop.inria.fr/cafe/Stephane.Lavirotte/

Sporring:scale-space techniques http://www.lab3d.odont.ku.dk/~sporring/

Mark Jenkinson:Reduction of MR Artefacts http://www.fmrib.ox.ac.uk/~mark/

Justin K. Romberg:digital signal processing http://www-dsp.rice.edu/~jrom/

Fauqueur:Image retrieval by regions of interest http://www-rocq.inria.fr/~fauqueur/

James J. Nolan:Computer Vision http://cs.gmu.edu/~jnolan/

Daniel X. Pape:Information http://www.bucho.org/~dpape/

Drew Pilant:remote sensing technology http://www.geo.mtu.edu/~anpilant/index.html

五、前沿期刊(TOP10)

此处的杂志大部分且可由此者的大拿们的主页间接找到,在马上列有关键是以节省直接想找期刊投稿的哥们之工夫:) 

IEEE Trans. On PAMI http://www.computer.org/tpami/index.htm

IEEE Transactionson Image Processing http://www.ieee.org/organizations/pubs/transactions/tip.htm

Pattern Recognition http://www.elsevier.com/locate/issn/00313203

Pattern Recognition Letters http://www.elsevier.com/locate/issn/01678655

神经网络 

Neural Networks Tutorial Review 

http://hem.hj.se/~de96klda/NeuralNetworks.htm 

ftp://ftp.sas.com/pub/neural/FAQ.html 

Image Compression with Neural Networks 

http://www.comp.glam.ac.uk/digimaging/neural.htm 

Backpropagator’s Review 

http://www.dontveter.com/bpr/bpr.html 

Bibliographies on Neural Networks 

http://liinwww.ira.uka.de/bibliography/Neural/ 

Intelligent Motion Control with an Artificial Cerebellum 

http://www.q12.org/phd.html 

Kernel Machines 

http://www.kernel-machines.org/ 

Some Neural Networks Research Organizations 

http://www.ieee.org/nnc/ 

http://www.inns.org/ 

Neural Network Modeling in Vision Research 

http://www.rybak-et-al.net/nisms.html 

Neural Networks and Machine Learning 

http://learning.cs.toronto.edu/ 

Neural Application Software 

Neural Network Toolbox for MATLAB 

http://www.mathworks.com/products/neuralnet/ 

Netlab Software 

http://www.ncrg.aston.ac.uk/netlab/ 

Kunama Systems Limited 

http://www.kunama.co.uk/

Computer Vision 

Computer Vision Homepage, Carnegie Mellon University

Annotated Computer Vision Bibliography 

http://iris.usc.edu/Vision-Notes/bibliography/contents.html 

http://iris.usc.edu/Vision-Notes/rosenfeld/contents.html 

Lawrence Berkeley National Lab Computer Vision and Robotics Applications 

http://www-itg.lbl.gov/ITG.hm.pg.docs/VISIon/vision.html 

CVonline by University of Edinburgh 

The Evolving, Distributed, Non-Proprietary, On-Line Compendium of Computer Vision, 

Computer Vision Handbook, 

Vision Systems Courseware 

Research Activities in Computer Vision 

http://www-syntim.inria.fr/syntim/analyse/index-eng.html 

Vision Systems Acronyms 

Dictionary of Terms in Human and Animal Vision 

http://cns-web.bu.edu/pub/laliden/WWW/Visionary/Visionary.html 

Metrology based on Computer Vision 

Digital Photography

Digital Photography, Scanning, and Image Processing 

Educational Resources, Universities 

Center for Image Processing in Education 

Library of Congress Call Numbers Related to Imaging Science by Rochester Institute of Technology 

http://wally2.rit.edu/pubs/guides/imagingcall.html 

Mathematical Experiences through Image Processing, University of Washington 

Vismod Tech Reports and Publications, MIT 

http://vismod.www.media.mit.edu/cgi-bin/tr_pagemaker 

Vision Lab PhD dissertation list, University of Antwerp 

http://wcc.ruca.ua.ac.be/~visielab/theses.html 

INRIA (France) Research Projects: Human-Computer Interaction, Image Processing, Data Management, Knowledge Systems 

Image Processing Resources 

http://eleceng.ukc.ac.uk/~rls3/Contents.htm 

Publications of Carsten Steger 

http://www9.informatik.tu-muenchen.de/people/steger/publications.html

FAQs

comp.dsp FAQ 

Robotics FAQ 

Where’s the sci.image.processing FAQ? 

comp.graphics.algorithms FAQ, Section 3, 2D Image/Pixel Computations 

Astronomical Image Processing System FAQ 

C/C++编程:

C/C++ 是无比关键的编程语言。这里列有了50称为佳绩网站和网页清单,这些网站提供c/c++源代码。这卖清单提供了来代码的链接和她的小说明。我已尽力包括无与伦比 佳的C/C++源代码的网站。这不是一个完整的清单,您来建议好沟通自己,我以迎接你的提议,以越来越增长即时上头的清单。  
1、http://snippets.dzone.com/tag/c/ –数以本计量的行的C语言源代码片段  
2、http://www.hotscripts.com/category/c-cpp/scripts-programs/ Hotscripts –提供大量的C和C++脚本和次。所有程序都分为差的型。  
3、http://www.planetsourcecode.com/vb/default.asp?lngWId=3 –超过万行C和C++免费之源代码  
4、http://freshmeat.net/browse/164/ –超过9000个C编写的类别。  
5、http://www.daniweb.com/code/c.html –DANIWEB提供的实用代码段 。  
6、http://www.programmersheaven.com/tags/C/ –programmersheaven.com上的C编程资源。  
7、http://www.ddj.com/code/ddj.html –Dr. Dobb’s Journal的源代码。  
8、http://www.cprogramming.com/cgi-bin/source/source.cgi –C和C + +编程资源。  
9、http://www.codecogs.com/ –CodeCogs是同等件合作的开放源码库,C/C++的数值方面的零部件。  
10、http://www.google.com/codesearch?q=programming++lang:c&cs_r=lang:c –谷歌代码的C源代码。  
11、http://www.codepedia.com/1/C –CodePedia是一个怒放的有关系统编程和任何同计算机有关的议题。  
12、http://www.cis.temple.edu/~ingargio/cis71/code/ –也学员提供的一个简短的C语言程序的列表。  
13、http://www.codeproject.com/?cat=2 –codeproject提供的C/C++资源代码项目。  
14、http://www.thefreecountry.com/sourcecode/cpp.shtml –以下是部分C和C++库的DLL,VCLs,源代码,元件,模块,应用程序框架,类库,源代码片段等,你可以公的型受到运用如不需开费用及版税。  
15、http://people.sc.fsu.edu/~burkardt/cpp_src/cpp_src.html –这是一个圆的有关C++的345只源代码清单。  
16、http://www.cplusplus.com/src/ –C++写的通用控制台程序及Windows程序代码清单。  
17、http://users.cs.fiu.edu/~weiss/dsaa_c++/code/ –C++语言数据结构与算法分析(第二本)的源代码。  
18、http://c.snippets.org/ –C源代码有。  
19、http://www.bbdsoft.com/downloads.html –C++源代码。  
20、http://www.moshier.net/ 天文学和数值软件源代码  
21、http://cplus.about.com/od/cgames/C_Games_with_Source_Code.htm –游戏有关的C++源代码。  
22、http://cliodhna.cop.uop.edu/~hetrick/c-sources.html –免费之C/C++数值计算源代码。  
23、http://www.mathtools.net/C_C__/Utilities/index.html –C/C++工具。  
24、http://www.programmerworld.net/resources/c_library.htm –免费C++源代码和其他有效之家伙。  
25、http://www.cmcrossroads.com/bradapp/links/cplusplus-links.html –布拉德阿普尔顿的C++链接-资源,项目,图书馆,教学与编码。  
26、http://www.robertnz.net/cpp_site.html –这是一个采访了数C/C++网站链接列表的网页。  
27、http://www.josuttis.com/libbook/examples.html –以此,你可看来并下载所有的本书的C++标准库例子 。  
28、ftp://66.77.27.238/sourcecode/cuj/ –C/C++用户杂志  
29、ftp://66.77.27.238/sourcecode/wd/ –Windows开发者网络  
30、http://www.einet.net/directory/65892/Developers.htm –C程序  
31、http://www.daniweb.com/code/cplusplus.html –实用代码段。  
32、http://snippets.dzone.com/tag/c –C++源代码  
33、http://www.programmersheaven.com/tags/C –C++编程资源,programmersheaven.com  
34、http://www.google.com/codesearch?hl=en&lr=&q=programming –谷歌代码搜索-C++编程语言  
35、http://www.codepedia.com/1/Cpp –CodePedia是一个开花之有关系统编程和其它同计算机有关的议题的网站。  
36、http://www.codebeach.com/index.asp?TabID=1&CategoryID=3 –C++源代码,Codebeach提供  
37、http://freshmeat.net/browse/165/ –5000型写的C++编程语言  
38、http://cplus.about.com/od/codelibrary/Code_Library_for_C_C_and_C.htm –代码库C、C + +和C#。  
39、http://www.c.happycodings.com/ –Visual Basic、PHP、ASP技术、C、C++大全。  
40、http://www.blueparrots.com/ –Borland C游戏,图像以及声音源代码范例。  
41、http://www.java2s.com/Code/Cpp/CatalogCpp.htm –C++源代码。  
42、http://www.yeohhs.com/modules/mydownloads/ –C与C++电子书与源代码示例。  
43、http://www.brpreiss.com/books/opus4/programs/index.html C++的数学方程和公式源代码。  
44、http://users.cs.fiu.edu/ C++。  
45、http://www.josuttis.com/libbook/examples.html –C++标准库-教程和参考资料。  
46、http://emr.cs.uiuc.edu/~reingold/calendars.shtml Edward M. Reingold’s Calendar Book, Papers, and Code。  
47、http://cpp.snippets.org/ –c++源代码档案。  
48、http://ubiety.uwaterloo.ca/~tveldhui/papers/techniques/ –用C和C++的解决对问题。  
49、http://c.ittoolbox.com/topics/core-c/ –C/C++的IT工具框。  
50、http://www.le.ac.uk/cc/tutorials/c/ccccdbas.html –本文件被富含有大量底C示例程序。

人工智能牛人主页:

http://people.cs.uchicago.edu/~niyogi/

http://www.cs.uchicago.edu/people/

http://pages.cs.wisc.edu/~jerryzhu/

http://www.kyb.tuebingen.mpg.de/~chapelle

http://people.cs.uchicago.edu/~xiaofei/

http://www.cs.uiuc.edu/homes/dengcai2/

http://www.kyb.mpg.de/~bs

http://research.microsoft.com/~denzho/

http://www-users.cs.umn.edu/~kumar/dmbook/index.php#item5           (resources for the book of the introduction of data mining by Pang-ning Tan et.al. )(国内已发出相应的中文版)

http://www.cs.toronto.edu/~roweis/lle/publications.html    (lle算法源代码及其有关论文)

http://dataclustering.cse.msu.edu/index.html#software(data clustering)

http://www.cs.toronto.edu/~roweis/     (里面有很多资源)

http://www.cse.msu.edu/~lawhiu/  (manifold learning)

http://www.math.umn.edu/~wittman/mani/ (manifold learning demo in matlab)

http://www.iipl.fudan.edu.cn/~zhangjp/literatures/MLF/INDEX.HTM  (manifold learning in matlab)

http://videolectures.net/mlss05us_belkin_sslmm/   (semi supervised learning with manifold method by Belkin)

http://isomap.stanford.edu/    (isomap主页)

http://web.mit.edu/cocosci/josh.html  MIT    TENENBAUM J B主页

http://web.engr.oregonstate.edu/~tgd/    (国际名牌的人造智能专家 Thomas G. Dietterich)

http://www.cs.berkeley.edu/~jordan/ (MIchael I.Jordan)

http://www.cs.cmu.edu/~awm/  (Andrew W. Moore’s  homepage)

http://learning.cs.toronto.edu/ (加拿大多伦多大学机器学习小组)

http://www.cs.cmu.edu/~tom/ (Tom Mitchell,里面有与教材匹配的slide。)

Kernel Methods

Alexander J. Smola

Maximum Mean Discrepancy (MMD), Hilbert-Schmidt Independence Criterion (HSIC)

Bernhard Sch?lkopf

Kernel PCA

James T Kwok

Pre-Image, Kernel Learning, Core Vector Machine(CVM)

Jieping Ye

Kernel Learning, Linear Discriminate Analysis, Dimension Deduction

Multi-Task Learning

Andreas Argyriou

Multi-Task Feature Learning

Charles A. Micchelli

Multi-Task Feature Learning, Multi-Task Kernel Learning

Massimiliano Pontil

Multi-Task Feature Learning

Yiming Ying

Multi-Task Feature Learning, Multi-Task Kernel Learning

Semi-supervised Learning

Partha Niyogi
Manifold Regularization, Laplacian Eigenmaps

Mikhail Belkin
Manifold Regularization, Laplacian Eigenmaps

Vikas Sindhwani
Manifold Regularization

Xiaojin Zhu
Graph-based Semi-supervised Learning

Multiple Instance Learning

Sally A Goldman

EM-DD, DD-SVM, Multiple Instance Semi Supervised Learning(MISS)

Dimensionality Reduction

Neil Lawrence
Gaussian Process Latent Variable Models (GPLVM)

Lawrence K. Saul
Maximum Variance Unfolding(MVU), Semidefinite Embedding(SDE)

Machine Learning

Michael I. Jordan

Graphical Models

John Lafferty

Diffusion Kernels, Graphical Models

Daphne Koller

Logic, Probability

Zhang Tong
Theoretical Analysis of Statistical Algorithms, Multi-task Learning, Graph-based Semi-supervised Learning

Zoubin Ghahramani
Bayesian approaches to machine learning

Machine Learning @ Toronto

Statitiscal Machine Learning & Optimization

Jerome H Friedman

GLasso, Statistical view of AdaBoost, Greedy Function Approximation

Thevor Hastie

Lasso

Stephen Boyd

Convex Optimization

C.J Lin

Libsvm

 http://www.dice.ucl.ac.be/mlg/

一半监察流形学习(流形正则化)

http://manifold.cs.uchicago.edu/

模式识别和神经网络工具箱

http://www.ncrg.aston.ac.uk/netlab/index.php

机械上开源代码

http://mloss.org/software/tags/large-scale-learning/

统计学开源代码

http://www.wessa.net/

matlab各种工具箱链接

http://www.tech.plym.ac.uk/spmc/links/matlab/matlab_toolbox.html

统计学上藏在线教材

http://www.statistics4u.info/

机上起来源源代码

http://mloss.org/software/language/matlab/

好投稿的期刊:

数字图像处理领域可以投稿的报

Computer Vision and Image Processing
IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI) IEEE
International Journal of Computer Vision (IJCV)   Springer
Vision Research Elsevier
IEEE Transactions on Image Processing (IEEE-T-IP) IEEE
ACM Transactions on Applied Perception   ACM
Computer Vision and Image Understanding (CVIU) Elsevier
Image and Vision Computing Elsevier
Journal of Vision JV
Journal of Visual Communication and Image Representation (JVCIR) Elsevier
Journal of Mathematical Imaging and Vision   Springer  
Journal of Electronic Imaging   SPIE
ICGST International Journal on Graphics, Vision and Image Processing (GVIP) ICGST  
MGV: Machine GRAPHICS & VISION Institute of Computer Science
International Journal of Imaging Systems and Technology Wiley InterScience  
Electronic Letters on Computer Vision and Image Analysis   Elcvia
The Visual Computer Springer
IET Image Processing IET
IET Computer Vision IET
International Journal of Image and Graphics (IJIG) World Scientific
International Journal of Remote Sensing   Taylor & Francis
SIAM Journal on Imaging Sciences   SIAM
Signal, Image and Video Processing   Springer
Pattern Recognition
Pattern Recognition Elsevier
Pattern Recognition Letters (PRL) Elsevier
International Journal of Pattern Recognition and Artificial Intelligence   World Scientific  
Pattern Analysis & Applications   Springer  
Journal of Pattern Recognition Research (JPRR) JPRR
Signal Processing
IEEE Signal Processing Letters IEEE
IEEE Signal Processing Magazine IEEE
Signal Processing   Elsevier
EURASIP Journal on Applied Signal Processing EURASIP
Signal Processing : Image Communication Elsevier
IET Signal Processing IET
Neurophysical Journals in Computer Vision
Nature Neuroscience. Nature
Visual Neuroscience. Cambridge
IEEE Transactions on Neural Networks. IEEE
Neural Networks Elsevier
Perception and Psychophysics. Psychonomic Society
Perception. Pion Ltd.
Journal of Experimental Psychology: Human Perception and Performance. Elsevier
Computer Graphics
ACM Transactions on Graphics ACM
IEEE Computer Graphics and Applications (CG&A)   IEEE
IEEE Transactions on Visualization and Computer Graphics IEEE
ACM SIGGRAPH Computer Graphics ACM
Computers and Graphics Science Direct
Computer Graphics Forum (including Eurographics) Eurographics
Graphics Interface Graphics Interface  
Journal of Graphics Tools ACM
Journal of Visualization and Computer Animation Wiley
Symposium on Interactive 3D (I3D) ACM
Virtual Reality
Virtual Reality Software and Technology (VRST)   ACM
Machine Vision Applications    
Machine Vision and Applications Springer
Real-Time Imaging Elsevier
Vision Interface Vision Interface
IEEE Transactions on Geoscience and Remote Sensing   IEEE
International Journal of Applied Earth Observation and Geoinformation   Elsevier
Remote Sensing of Environment   Elsevier
ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING   ISPRS
Journal of Applied Remote Sensing   SPIE
Journal of the Indian Society of Remote Sensing   Springer
Multimedia
IEEE Transactions on Circuits and Systems for Video Technology IEEE
IEEE Transactions on Multimedia IEEE
Optics
Journal Optical Society of America OSA
Optometry and Vision Science LW&W
Information Fusion
Information Fusion Elsevier
Information Processing Letters Elsevier
Information Sciences Elsevier
Information Sciences – Applications Elsevier
Information Systems Elsevier
Soft Computing    
Applied Soft Computing   Elsevier
Journal of Soft Computing   Springer
Others    
Medical Image Analysis Elsevier
ACM Transactions on Information Systems ACM
Swarm Intelligence Springer
IET Information Security IET
Numerical Functional Analysis and Optimization   Taylor & Francis
Sadhana – Academy Proceedings in Engineering Sciences   Springer
International Journal of Wavelets, Multiresolution and Information Processing (IJWMIP)   World Scientific
IETE Technical Review IETE
IETE Journal of Research IETE
IEEE Transactions on Information Forensics and Security   IEEE

机器上推荐论文与书  

2009-09-08 12:31:46|  分类: 默认分类  |举报 |字号 订阅

主干模型:
HMM(Hidden Markov Models):
A Tutorial on Hidden Markov Models and Selected Applications in
Speech Recognition.pdf
ME(Maximum Entropy):
ME_to_NLP.pdf
MEMM(Maximum Entropy Markov Models):
memm.pdf
CRF(Conditional Random Fields):
An Introduction to Conditional Random Fields for Relational Learning.pdf
Conditional Random Fields: Probabilistic Models for Segmenting and
Labeling Sequence Data.pdf
SVM(support vector machine):
*张学工<<统计上理论>>
LSA(or LSI)(Latent Semantic Analysis):
Latent semantic analysis.pdf
pLSA(or pLSI)(Probablistic Latent Semantic Analysis):
Probabilistic Latent Semantic Analysis.pdf
LDA(Latent Dirichlet Allocation):
Latent Dirichlet Allocaton.pdf(用variational theory + EM算法解模型)
Parameter estimation for text analysis.pdf(using Gibbs Sampling 解模)
Neural Networksi(including Hopfield Model& self-organizing maps &
Stochastic networks & Boltzmann Machine etc.):
Neural Networks – A Systematic Introduction
Diffusion Networks:
Diffusion Networks, Products of Experts, and Factor Analysis.pdf
Markov random fields:
Generalized Linear Model(including logistic regression etc.):
An introduction to Generalized Linear Models 2nd
Chinese Restraunt Model (Dirichlet Processes):
Dirichlet Processes, Chinese Restaurant Processes and all that.pdf

Estimating a Dirichlet Distribution.pdf

Some important algorithms:
EM(Expectation Maximization):
Expectation Maximization and Posterior Constraints.pdf
Maximum Likelihood from Incomplete Data via the EM Algorithm.pdf
MCMC(Markov Chain Monte Carlo) & Gibbs Sampling:
Markov Chain Monte Carlo and Gibbs Sampling.pdf
Explaining the Gibbs Sampler.pdf
An introduction to MCMC for Machine Learning.pdf
PageRank:
矩阵分解算法:
SVD, QR分解, Shur分解, LU分解, 谱分解
Boosting( including Adaboost):
*adaboost_talk.pdf
Spectral Clustering:
Tutorial on spectral clustering.pdf
Energy-Based Learning:
A tutorial on Energy-based learning.pdf
Belief Propagation:
Understanding Belief Propagation and its Generalizations.pdf
bp.pdf
Construction free energy approximation and generalized belief
propagation algorithms.pdf
Loopy Belief Propagation for Approximate Inference An Empirical Study.pdf
Loopy Belief Propagation.pdf
AP (affinity Propagation):
L-BFGS:
<<最优化理论和算法 2nd>> chapter 10
On the limited memory BFGS method for large scale optimization.pdf
IIS:

IIS.pdf

理论有:
概率图(probabilistic networks):
An introduction to Variational Methods for Graphical Models.pdf
Probabilistic Networks
Factor Graphs and the Sum-Product Algorithm.pdf
Constructing Free Energy Approximations and Generalized Belief
Propagation Algorithms.pdf
*Graphical Models, exponential families, and variational inference.pdf
Variational Theory(变分理论,我们只用概率图上的变分):
Tutorial on varational approximation methods.pdf
A variational Bayesian framework for graphical models.pdf
variational tutorial.pdf
Information Theory:
Elements of Information Theory 2nd.pdf
测度论:
测度论(Halmos).pdf
测度论讲义(严加安).pdf
概率论:
……
<<概率与推理论>>
自由过程:
利用随机过程 林元烈 2002.pdf
<<随机数学引论>>
Matrix Theory:
矩阵分析以及应用.pdf
模式识别:
<<模式识别 2nd>> 边肇祺
*Pattern Recognition and Machine Learning.pdf
最好优化理论:
<>
<<最优化理论以及算法>>
泛函分析:
<<泛函分析导论及采取>>
Kernel理论:
<<模式分析的核方法>>
统计学:
……

<<统计手册>>

综合:
semi-supervised learning:
<> MIT Press
semi-supervised learning based on Graph.pdf
Co-training:
Self-training:

机械视觉:

以下链接是自整理的关于电脑视觉(ComputerVision, CV)相关领域的网站链接,其中起CV牛人的主页,CV研究小组的主页,CV领域的paper,代码,CV领域的流行动态,国内的使用情况等等。打算从 这个行当要刚入门的情人可以基本上关注这些网站,多了解有CV的现实行使。搞研究之对象也可从中了解及众多牛人的研究动态、招生情况等。总之,我以为, 知识只有分享才会发出重复怪之价,真诚希望下的链接能对恋人等富有帮助。 

(1)googleResearch; http://research.google.com/index.html 

(2)MIT博士,汤晓欧生林达华; http://people.csail.mit.edu/dhlin/index.html (3)MIT博士后Douglas Lanman; http://web.media.mit.edu/~dlanman/ 

(4)opencv华语网站; http://www.opencv.org.cn/index.php/%E9%A6%96%E9%A1%B5 

(5)Stanford大学vision实验室; http://vision.stanford.edu/research.html 

(6)Stanford大学博士崔靖宇; http://www.stanford.edu/~jycui/ 

(7)UCLA教授朱松纯; http://www.stat.ucla.edu/~sczhu/ 

(8)中国人造智能网; http://www.chinaai.org/ 

(9)中国视觉网; http://www.china-vision.net/ 

(10)中科院自动化所; http://www.ia.cas.cn/

(11)中科院自动化所李子青研究员; http://www.cbsr.ia.ac.cn/users/szli/ 

(12)中科院计算所山世光研究员; http://www.jdl.ac.cn/user/sgshan/ 

(13)人脸识别主页; http://www.face-rec.org/ 

(14)加州大学伯克利分校CV小组;http://www.eecs.berkeley.edu/Research/Projects/CS/vision/

(15)南加州大学CV实验室; http://iris.usc.edu/USC-Computer-Vision.html 

(16)卡内基梅隆大学CV主页;

http://www.cs.cmu.edu/afs/cs/project/cil/ftp/html/vision.html

(17)微软CV研究员Richard Szeliski;http://research.microsoft.com/en-us/um/people/szeliski/ 

(18)微软亚洲研究院处理器视觉研究组; http://research.microsoft.com/en-us/groups/vc/ 

(19)微软剑桥研究院ML与CV研究组; http://research.microsoft.com/en-us/groups/mlp/default.aspx

(20)研学论坛; http://bbs.matwav.com/ 

(21)美国Rutgers大学助理教授刘青山; http://www.research.rutgers.edu/~qsliu/ (22)计算机视觉最新资讯网; http://www.cvchina.info/ 

(23)运动检测、阴影、跟踪的测试视频下充斥;http://apps.hi.baidu.com/share/detail/18903287 

(24)香港中文大学助理讲授王晓刚; http://www.ee.cuhk.edu.hk/~xgwang/ 

(25)香港中文大学多媒体实验室(汤晓鸥); http://mmlab.ie.cuhk.edu.hk/ 

(26)U.C. San Diego. computer vision;http://vision.ucsd.edu/content/home (27)CVonline; http://homepages.inf.ed.ac.uk/rbf/CVonline/ 

(28)computer vision software; http://peipa.essex.ac.uk/info/software.html (29)Computer Vision Resource; http://www.cvpapers.com/ 

(30)computer vision research groups;http://peipa.essex.ac.uk/info/groups.html (31)computer vision center; http://computervisioncentral.com/cvcnews

(32)浙江大学图像技术研讨与应用(ITRA)团队:http://www.dvzju.com/

(33)自动识别网:http://www.autoid-china.com.cn/

(34)清华大学章毓晋教授:http://www.tsinghua.edu.cn/publish/ee/4157/2010/20101217173552339241557/20101217173552339241557_.html

(35)顶级民用机器人研究小组Porf.Gary领导之Willow Garage:http://www.willowgarage.com/

(36)上海交通大学图像处理与模式识别研究所:http://www.pami.sjtu.edu.cn/

(37)上海交通大学处理器视觉实验室刘允才教授:http://www.visionlab.sjtu.edu.cn/

(38)德克萨斯州大学奥斯汀分校助理教授Kristen Grauman :http://www.cs.utexas.edu/~grauman/

(39)清华大学电子工程系智能图文信息处理实验室(丁晓青教授):http://ocrserv.ee.tsinghua.edu.cn/auto/index.asp

(40)北京大学高文教授:http://www.jdl.ac.cn/htm-gaowen/

(41)清华大学艾海舟教授:http://media.cs.tsinghua.edu.cn/cn/aihz

(42)中科院生物识别与安康技能研讨中心:http://www.cbsr.ia.ac.cn/china/index%20CH.asp

(43)瑞士巴塞尔大学 Thomas Vetter教学:http://informatik.unibas.ch/personen/vetter_t.html

(44)俄勒冈州立大学 Rob Hess博士:http://blogs.oregonstate.edu/hess/

(45)深圳大学 于仕祺副教授:http://yushiqi.cn/

(46)西安交通大学人工智能和机器人研究所:http://www.aiar.xjtu.edu.cn/

(47)卡内基梅隆大学研究员Robert T. Collins:http://www.cs.cmu.edu/~rcollins/home.html#Background

(48)MIT博士Chris Stauffer:http://people.csail.mit.edu/stauffer/Home/index.php

(49)美国密歇根州这大学生物识别研究组(Anil K. Jain教授):http://www.cse.msu.edu/rgroups/biometrics/

(50)美国伊利诺伊州当下大学Thomas S. Huang:http://www.beckman.illinois.edu/directory/t-huang1

(51)武汉大学数字摄影测量与计算机视觉研究中心:http://www.whudpcv.cn/index.asp

(52)瑞士巴塞尔大学Sami Romdhani助理研究员:http://informatik.unibas.ch/personen/romdhani_sami/

(53)CMU大学研究员Yang Wang:http://www.cs.cmu.edu/~wangy/home.html

(54)英国曼彻斯特大学Tim Cootes教授:http://personalpages.manchester.ac.uk/staff/timothy.f.cootes/

(55)美国罗彻斯特大学教授Jiebo Luo:http://www.cs.rochester.edu/u/jluo/

(56)美国普渡大学机器人视觉实验室:https://engineering.purdue.edu/RVL/Welcome.html

(57)美国宾利州顿时大学感知、运动与认识实验室:http://vision.cse.psu.edu/home/home.shtml

(58)美国宾夕法尼亚大学GRASP实验室:https://www.grasp.upenn.edu/

(59)美国内达华大学里诺校区CV实验室:http://www.cse.unr.edu/CVL/index.php

(60)美国密西根大学vision实验室:http://www.eecs.umich.edu/vision/index.html

(61)University of Massachusetts(麻省大学),视觉实验室:http://vis-www.cs.umass.edu/index.html

(62)华盛顿大学博士后Iva Kemelmacher:http://www.cs.washington.edu/homes/kemelmi

(63)以色列魏茨曼科技大学Ronen Basri:http://www.wisdom.weizmann.ac.il/~ronen/index.html

(64)瑞士ETH-Zurich大学CV实验室:http://www.vision.ee.ethz.ch/boostingTrackers/index.htm

(65)微软CV研究员张正友:http://research.microsoft.com/en-us/um/people/zhang/

(66)中科院自动化所医学影像研究室:http://www.3dmed.net/

(67)中科院田捷研究员:http://www.3dmed.net/tian/

(68)微软Redmond研究院研究员Simon Baker:http://research.microsoft.com/en-us/people/sbaker/

(69)普林斯顿大学讲授李凯:http://www.cs.princeton.edu/~li/ 

(70)普林斯顿大学博士贾登:http://www.cs.princeton.edu/~jiadeng/ 

(71)牛津大学教书Andrew Zisserman: http://www.robots.ox.ac.uk/~az/ 

(72)英国leeds大学研究员Mark Everingham:http://www.comp.leeds.ac.uk/me/ 

(73)英国爱丁堡大学讲授Chris William: http://homepages.inf.ed.ac.uk/ckiw/ 

(74)微软剑桥研究院研究员John Winn: http://johnwinn.org/ 

(75)佐治亚理工学院教授Monson H.Hayes:http://savannah.gatech.edu/people/mhayes/index.html 

(76)微软亚洲研究院研究员孙剑:http://research.microsoft.com/en-us/people/jiansun/ 

(77)微软亚洲研究院研究员马毅:http://research.microsoft.com/en-us/people/mayi/ (78)英国哥伦比亚大学教授David Lowe: http://www.cs.ubc.ca/~lowe/ 

(79)英国爱丁堡大学教书Bob Fisher: http://homepages.inf.ed.ac.uk/rbf/ 

(80)加州大学圣地亚哥分校教授Serge J.Belongie:http://cseweb.ucsd.edu/~sjb/ 

(81)威斯康星大学教授Charles R.Dyer: http://pages.cs.wisc.edu/~dyer/ 

(82)多伦多大学教授Allan.Jepson: http://www.cs.toronto.edu/~jepson/ 

(83)伦斯勒理工学院教授Qiang Ji: http://www.ecse.rpi.edu/~qji/ 

(84)CMU研究员Daniel Huber: http://www.ri.cmu.edu/person.html?person_id=123

 (85)多伦多大学讲授:David J.Fleet: http://www.cs.toronto.edu/~fleet/ 

(86)伦敦大学玛丽女王学院教授Andrea Cavallaro:http://www.eecs.qmul.ac.uk/~andrea/ 

(87)多伦多大学教书Kyros Kutulakos: http://www.cs.toronto.edu/~kyros/ 

(88)杜克大学教学Carlo Tomasi: http://www.cs.duke.edu/~tomasi/ 

(89)(89)CMU教授Martial Hebert: http://www.cs.cmu.edu/~hebert/ 

(90)(90)MIT助理教授Antonio Torralba: http://web.mit.edu/torralba/www/

(91) (91)马里兰大学研究员Yasel Yacoob: http://www.umiacs.umd.edu/users/yaser/ (92)康奈尔大学讲授Ramin Zabih: http://www.cs.cornell.edu/~rdz/

(93)CMU博士田渊栋: http://www.cs.cmu.edu/~yuandong/ 

(94)(94)CMU副教授Srinivasa Narasimhan: http://www.cs.cmu.edu/~srinivas/ 

(95)(95)CMU大学ILIM实验室:http://www.cs.cmu.edu/~ILIM/ 

(96)(96)哥伦比亚大学教学Sheer K.Nayar: http://www.cs.columbia.edu/~nayar/ 

(97)(97)三菱电子研究院研究员Fatih Porikli :http://www.porikli.com/ 

(98)(98)康奈尔大学教书Daniel Huttenlocher:http://www.cs.cornell.edu/~dph/ 

(99)(99)南京大学教学周志华:http://cs.nju.edu.cn/zhouzh/index.htm 

(100)(100)芝加哥丰田技术研究所副教授Devi Parikh: http://ttic.uchicago.edu/~dparikh/index.html (101)瑞士联邦理工学院博士后Helmut Grabner:http://www.vision.ee.ethz.ch/~hegrabne/#Short_CV

(102)香港中文大学讲授贾佳亚:http://www.cse.cuhk.edu.hk/~leojia/index.html

(103)南洋理工大学副教授吴建鑫:http://c2inet.sce.ntu.edu.sg/Jianxin/index.html

(104)GE研究院研究员李关:http://www.cs.unc.edu/~lguan/

(105)佐治亚理工学院教授Monson Hayes:http://savannah.gatech.edu/people/mhayes/

(106)图片检索国际会VOC(微软剑桥研究院组织):http://pascallin.ecs.soton.ac.uk/challenges/VOC/

(107)机器视觉开源处理库汇总:http://archive.cnblogs.com/a/2217609/

(108)布朗大学讲授Benjamin Kimia: http://www.lems.brown.edu/kimia.html 

(109)数据堂-图像处理有关的范本数量:http://www.datatang.com/data/list/602026/p1

(110)东软基于CV的汽车拉驾驶系统:http://www.neusoft.com/cn/solutions/1047/

(111)马里兰大学教授Rema Chellappa:http://www.cfar.umd.edu/~rama/

(112)芝加哥丰田研究中心副教授Devi Parikh:http://ttic.uchicago.edu/~dparikh/index.html

(113)宾夕法尼亚大学助理教授石建波:http://www.cis.upenn.edu/~jshi/

 

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图
Copyright @ 2010-2019 亚洲必赢手机官网 版权所有