神经网络中各种激活函数的Python实现

本资源主要是可视化各种激活函数：Relu，sigmoid ，swish，mish等，只需要依赖numpy，不需要安装pytorch，只是一个简单的demo

GMM与背景建模的一个简单实现

对GMM在背景建模中的一个简单的实现，参卡论文为Adaptive background mixture models for real-time tracking，该实现的输入可以是视频，也可以是摄像机的数据

超限学习机进行了一个简单的实现(数据拟合)

对超限学习机进行了一个简单的实现，主要是用于数据拟合的，就是一个简单的单隐层前馈神经网络，矩阵的广义逆求解直接用的pinv

learningSobel.zip

需要使用matconvnet，如果没有，那看一下代码也无妨，反正是给我自己备份的，如果想要跑一下代码的话，需要去http://www.vlfeat.org/matconvnet/下载一下，然后编译安装matconvnet

matlab读xml文档

matlab的xml文档读实例，提供了相应的xml文档，里面有一个脚本文件，一个函数文件，直接可以用

对sift原文翻译（为啥资源名称要不少于10个字）

使用具有尺度不变性的关键点提取图像特征 DAVID G.LOWE 摘要：这篇论文提出了一种提取图像关键特征的方法，该方法能够为不同场景或视角下同一个物体的匹配提供可靠的手段。该方法提取的特征具有尺度和旋转不变性。通过大量样本验证，这种方法提取的特征具有较强的抗光照变化、仿射变换、三维视角变化、噪声干扰的能力。这些特征具有很高的区分度，每一个特征都能够以较高的正确率与数据库中的众多特征匹配。这篇文章也介绍了使用这些特征去识别物体的方法，即通过使用快速的最近邻算法将个体特征与数据库中已知物体的特征相比较，然后使用HOUGH变换去鉴别该物体的类别，最后通过最小二乘法对姿态信息的一致性进行评估。这种方法能够在复杂的环境中提供稳定且近乎实时的识别手段。