中一篇pami,中一篇jacs意味着什么
图像处理高手请进，请问什么是均值漂移图像分割技术
上网搜了一下,还没发现把mean shift原理说的很清楚的文章,我就来写一段了：
首先你要知道这是PAMI 2003的一篇文章,非常经典的哦,Mean Shift:A Robust Approach Toward Feature Space Analysis.当然原文有17页,都是一些复杂的公式.
Mean shift主要用在图像平滑和图像分割（那个跟踪我现在还不清楚）,先介绍一下平滑的原理：
输入是一个5维的空间,2维的（x,y）地理坐标,3维的（L,u,v）的颜色空间坐标,当然你原理也可以改写成rgb色彩空间或者是纹理特征空间.
先介绍一下核函数,有uniform的,也有高斯的核函数,不管是哪个的,其基本思想如下：简单的平滑算法用一个模板平均一下,对所有的像素,利用周围的像素平均一下就完事了,
这个mean shift的是基于概率密度分布来的,而且是一种无参的取样.有参的取样就是假设所有的样本服从一个有参数的概率分布函数,比如说泊松分布,正态分布等等,高中生都知道概率公式里面是有参数的,在说一下特征空间是一个5维的空间,距离用欧几里德空间就可以了,至少代码里就是这样实现的,而本文的无参取样是这样的：在特征空间里有3维的窗口（想象一下2维空间的窗口）,对于一个特征空间的点,对应一个5维的向量,可以计算该点的一个密度函数,如果是有参的直接带入该点的坐标就可以求出概率密度了,基于窗函数的思想就是考虑它邻近窗口里的点对它的贡献,它假设密度会往密集一点的地方转移,算出移动之后的一个5维坐标,该坐标并会稳定,迭代了几次之后,稳定的地方是modes.这样每一个像素点都对应一个这么一个modes,用该点的后3维的值就是平滑的结果了,当然在算每个点的时候,有些地方可能重复计算了,有兴趣的化你可以参考一下源代码,确实是可以优化的.总结一下mean shift的平滑原理就是在特征空间中向密度更高的地方shift（转移）.
其次是怎么利用mean shift分割图像
先对图像进行平滑,
第2步利用平滑结果建立区域邻接矩阵或者区域邻接链表,就是在特征空间比较近的二间在2维的图像平面也比较接近的像素算成一个区域,这样就对应一个区域的邻接链表,记录每个像素点的label值.当然代码中有一个传递凸胞的计算,合并2个表面张力很接近的相邻区域,这个我还没想怎么明白,希望比较清楚的朋友讲一讲.最后还有一个合并面积较小的区域的操作,一个区域不是对应一个modes值嘛,在待合并的较小的那个区域中,寻找所有的邻接区域,找到距离最小的那个区域,合并到那个区域就ok了.
void msImageProcessor::Filter(int sigmaS,float sigmaR,SpeedUpLevel speedUpLevel)这个是平滑操作,sigmaS是2维的平面窗口的窗函数,sigmaR是颜色空间的窗函数,最后一个参数表示是否加速算法.
void msImageProcessor::FuseRegions(float sigmaS,int minRegion)这个就是合并较小区域的一个函数.
void msImageProcessor::Segment(int sigmaS,float sigmaR,int minRegion,SpeedUpLevel speedUpLevel)这个是分割函数,里面包括了平滑功能.再详细的我也不说了.
最后是怎么调用问题：void CImageProcessing::mydebug()
{
int x,y;
int width_ = imageWidth;
int height_ = imageHeight;
unsigned char *tmp = new unsigned char[width_ * height_ * 3];
unsigned char *dst = tmp;
for (x = 0;x imageHeight; x ++)
for(y = 0;y imageWidth; y++)
{
//Color tmp = (*imageData_RGB)(y,x);
//uchar * data = CV_IMAGE_ELEM(ip,uchar,x,y*3) ;
// *(dst++) = data[2] ;
// *(dst++) = data[1] ;
// *(dst++) = data[0] ;
*(dst++) = (*imageData_RGB)(y,x).channel[0];
*(dst++) = (*imageData_RGB)(y,x).channel[1];
*(dst++) = (*imageData_RGB)(y,x).channel[2];
}
cbgImage_-SetImageFromRGB( tmp,width_,height_,true);
delete []tmp;
msImageProcessor *iProc = new msImageProcessor();
iProc-DefineImage(cbgImage_-im_,COLOR,height_,width_);
iProc-SetSpeedThreshold(0.1);
iProc-Segment(5,8,10,NO_SPEEDUP);
// iProc-Filter(5,8,NO_SPEEDUP);
// iProc-FuseRegions(mWinSize,mAreaSize);//°???oí×?D???óò???y
} 至于怎么调试编译我看我是说不清楚了.
一篇pami意味着什么
意味着学术界对他工作的最高级别的认同。
PAMI是IEEE旗下，模式识别和机器学习领域最重要的学术性汇刊之一。在各种统计中，PAMI被认为有着很强的影响因子和很高的排名，能发到PAMI这也是学术界对他工作的最高级别的认同。
PAMI涵盖了计算机视觉和图像理解，模式分析和识别以及机器智能的研究，机器学习，搜索技术，文档和手写分析，医学图像分析，视频和图像序列分析，基于内容的图像和视频检索，以及面部和手势识别等。
埃及第一个王朝，那时的中国是什么朝代？
大约是公元前3000年，是三皇的神农氏时期。
公元3000年前……
〖王朝前期〗
法老王：Ka、Ro、Narmer
早王国时期（公元前2950 ----- 公元前2575年）
〖第一王朝〗
法老王：曼尼斯（Menes）、Djer、Djet、Den、Anedjib、孟菲斯
〖第二王朝〗
法老王：Hotepsekhemwy、Reneb
〖第三王朝〗
法老王：Djoser、Khaba、Huni、卓瑟（Zoser）、Sekhemket
代表建筑：沙拉卡阶梯金字塔、沙拉卡金字塔
[埃及开始有明确历史记载起源于俩个国家的结合，分别是北方的王国（国王戴红色皇冠）、南方的王国（国王戴白色皇冠），因此，以后的法老都是以戴双冠的造型出现，象征上下埃及的王，完成大一统的埃及法老王是曼尼斯（Menes）。
从第三王朝开始，埃及金字塔已经逐渐成型，卓塞王的建筑天才宰相英荷泰普完成了阶梯金字塔，开始了金字塔时代。]
〖第四王朝〗
法老王：斯内夫鲁（Snefru）、胡夫（Khufu）、库非尔（Khafre）、曼卡雷（Menkaure）、Shepeskaf
代表建筑：弯曲金字塔、吉萨大、小金字塔
[第四王朝（公元前2613-公元前2494）是金字塔的黄金时期，斯内夫鲁王（Snefru）不仅在扩张领土上战功彪炳，出兵攻打利比亚、努比亚。在金字塔的建筑上也硕果累累。他完成丹萨尔的红色金字塔与沙卡拉的弯曲金字塔，他的儿子胡夫（Khufu或称Cheops）、孙子库非尔（Khafre或称Chephren）、曾孙曼卡雷（Menkaure或称Mycerinus）都依序建筑成功金字塔，这是古埃及政治实力最雄厚的时期。]
古王国时期（公元前2575 ----- 公元前2150年）
〖第五王朝〗
法老王：Userkaf、Sahure、Neferirkare、Nyuserre、Nuas
代表建筑：沙卡拉金字塔（群）、阿布塞尔金字塔（群）
〖第六王朝〗
法老王：Teti、Pepi I、Pepi
〖第七王朝第八王朝〗
法老王：Neferkaure、Neferkauhor、Neferirkare II
第一中断期（公元前2125 ----- 公元前1975年）
〖第九王朝第十王朝〗
法老王：Meryibre、Khety、Ity
代表建筑：建都于Herakleopolis
〖第十一王朝〗
法老王：Mentuhotep I、Inyotef I、Inyotef II、Inyotef III
代表建筑：建都于底比斯（卢克索）
中王国时期（公元前2950 ----- 公元前2575年）
〖第十二王朝〗
法老王：Amenemhet I、Sesostris I
代表建筑：卡尔奈克神殿最古老的部分
蒙特荷泰普（Monteuhotep Nebhetepra），是中王国时期的建立者，他统治埃及长达50年时间，重振了政治与经济的制度，发展贸易与采掘矿产，疆界直抵中非利比亚、努比亚、东抵西奈的贝都因。
〖第十三王朝〗
法老王：Amenemhet V、Amenyqemau、Aye、Nefer
第二中断期（公元前1630 ----- 公元前1520年）
〖第十四王朝 ----- 第十七王朝〗
新王国时期（公元前1539 ----- 公元前1075年）
〖第十八王朝〗
法老王：阿蒙荷泰普一世（Amenehotep I）、图塔摩斯一世（Thutmosis I）、图塔摩斯二世（Thutmosis II）、图塔摩斯三世（Thutmosis III）、哈特谢普苏特（Hatshepsut）、阿蒙荷泰普二世（Amenehotep II）、图塔摩斯四世（Thutmosis IV）、阿蒙荷泰普三世（Amenehotep III）、阿肯那顿（Akhenaten）、 图坦卡蒙（Tutankhamun）B.C.1327-1323、艾（Ay）B.C.1323-1295、霍伦赫普（Horemhab）
代表建筑：卢克索神殿（Luxor Temple）、国王谷地（Valley of the Kings）、哈特谢普苏特神殿（Deir al-Bahri）、门农神像（Colossi of Memnon）、Tell al-Amama
〖第十九王朝〗
法老王：拉姆西斯一世（Ramses I）B.C.1295-1294、
塞提一世（Seti I）B.C.1294-1279、
拉姆西斯二世（Ramses II）B.C.1279-1212他借由与西台公主联姻以为两国带来和平。在王位竞争上把他的哥哥挤掉后，他立即派兵征服奴比亚，不到三年，他横扫西亚，进入巴勒斯坦，并在卡得须（Kadesh）一举击败亚细亚联军。据史家推断，犹太人大约在400年前进入埃及，本多为贵族，但到此时已多为奴隶，除了摩西被公主扶养，其它人多半命运多舛，因此才会发生出埃及记这件圣经中的大事。其在位67年，以90高龄去世，在位期间战功辉煌，为他带来了50多块记功碑、一篇史诗及无数的后宫佳丽。他共有100多个儿子，50多个女儿，其后裔在往后的400年间自成体系，掌控着二十王朝的埃及。其于阿布辛贝尔建立大神殿，神殿内部供奉布塔,荷鲁斯,阿蒙,及连他自己四位神只（他自认为太阳神），据说太阳光一年会有两次升起时会照在他的雕像脸上。在大神殿旁还有一座规模较小的神殿，是他为皇后内菲尔托莉所建。60年代因亚斯文水坝的建立，这两座神殿在联合国的主持下迁移至较高的地方，以免被尼罗河水淹没。、MerneptahSeti II B.C.1212-1202、梅奈布塔（Merneptah）、Queen Tawosret
代表建筑：Abydos、拉姆西斯神殿（Ramesseum）、阿布辛拜勒（Abu Simbel）
〖第二十王朝〗
法老王：Sethnakhte、Rameses III --- XI、Medinat Habu
〖第二十一王朝〗
法老王：Psuennes I、Amenemope、Osorkon I
〖第二十二王朝〗
法老王：Shoshenq I、Osorkon II（Libyan）
第三中断期（公元前1075 ----- 公元前715年）
〖第二十三王朝〗
法老王：Pedibastet、Shoshenq IV、Takelot III（Libyan）
〖第二十四王朝〗
法老王：Tefnakhte、Bakenrenef（Sais）
〖第二十五王朝〗
法老王：Kashta、Piye（Nub
后期埃及
到公元前322年结束
古希腊罗马时期：公元前322年—公元642年
阿拉伯人于公元641年占领埃及：这时正是中国的隋唐之时。
“pami”的杂志是什么东东？
你问的杂志应该是IEEE的PAMI杂志，属于计算机视觉、模式识别等领域的高水平国际学术杂志，
PAMI全称是 Pattern Analysis and Machine Intelligence。 Good luck~
解忧杂货店|写给浪矢老爷爷的信
2015.12.08
作者/苏小阳Pami
12月了，冬天真的来了。还好遇到了一本好书，《解忧杂货店》。
这本书里有一个温暖的杂货店，店主浪矢雄治老爷爷起初因为和小朋友的玩笑话开始帮别人解答烦恼，起初只是诸如“该如何不学习也能考100分”这样幼稚有趣的问题，到后来有人来咨询真正的烦恼，就会把想要问的问题装进信封里投递进来，然后浪矢老爷爷会把回信放到后门的牛奶箱里。浪矢老爷爷去世三十三年后，杂货店再次复活，误闯入杂货店的三个小偷收到了来自过去的咨询信，并用自己的方式写了回信。
期间，三个小偷从来信的内容中推断信件极有可能来自过去，但又不敢确定，于是投递了一张白纸，看能不能通往过去。小说的结局，便是浪矢老爷爷对于这封白纸的回信:
如果把来找我咨询的人比喻成迷途的羔羊，通常他们手上都有地图，却没有去看，或是不知道自己目前的位置。但我相信你不属于这两种情况，你的地图是一张白纸，所以即使想决定目的地，也不知道路在哪里。
地图是一张白纸，这当然很伤脑筋，任何人都会不知所措。可是换个角度来看，正因为是一张白纸，才可以随心所欲地描绘地图。一切全在你自己。对你来说，一切都是自由的，在你面前是无限的可能。这可是很棒的事啊，我衷心祈祷你可以相信自己，无悔地燃烧自己的人生。
合上书本的时候，我正裹着被子躺在沙发上，心里涌动着一种难以言说的感觉。
其实这些天，我一直觉得自己的状态不太好。隆冬夹杂着寒意裹挟着我，我似乎总是处在半梦半醒的状态，尽管知道自己还有很多事情该去做，又不知道该从何做起，心里仿佛缠着一团麻，剪不断，理还乱。
但浪矢老爷爷给这张白纸的回信，却仿佛在这团麻里抽出了最关键的一根丝来。
我开始想，如果我也可以给浪矢老爷爷写一封信，我会怎么写呢?
亲爱的浪矢老爷爷：
您好。我是一名正在读大学的女大学生。新的一年马上又该结束了，在这里，我想先祝您新年快乐。最近，我总感觉心情不太好，因为总感觉有很多事情没有去做，其实，也许最重要的是，我开始有点不知道自己该做什么了。
我从小就很喜欢写文章，在我的这个时代，记录已经不止局限在纸面上了，人们也很少用写信交流。我们有了一种叫做网络的东西，写的文章只要上传到网络上，就有机会被很多人看到。我最近参加了一个写作比赛，发表了一篇文章，得到了很多人的支持，就连以前素不相识的人也通过网络对我表示鼓励，我觉得很开心。可是慢慢地，我发现，我上传的其他文章好像并没有像第一次那样得到关注。我就在心里想，是因为大家不喜欢我写的东西了么？但是我写作的初衷原本就只是为了记录自己对一些事物的看法而已，为什么要为了迎合别人而去改变自己呢？
后来，我又看了很多点击量很高的文章，点击量就是人们通过网络可以记录的有多少人读过这篇文章的次数，发现它们大致分为三种。第一种是实用型的文章，也是点击量最高的。就是告诉你该怎样更好地去做一些事情，比如怎样有效地减肥？有效地学英语？还有文章教你该怎样写出吸引人的文章。可是我暂时还没有那么多的阅历，没有很多的经验去证明自己的方法，所以我写不了那样的文章。第二种是一些较短的小故事，A君和C女发生了什么，是因为B君做了什么，然后引申出一些人生道理。其实我对这种小故事并不感冒，或许是因为没有办法感同身受吧。第三种呢就是心灵鸡汤，就是一些比较鼓舞人心的文章，比如“别低头，皇冠会掉；别落泪，坏人会笑”云云，告诉人们要坚强独立的，我有时候也喜欢看一些这样的文章，但读多了也觉得没意思。
我有时候常常会想，写作不就是为了给别人看么？如果没有人喜欢你写的东西，那么写作的意义又在哪里呢？可是，我又觉得不能违背本心去写一些自己不擅长甚至不认同的东西，我认为写作是要从内心流淌出来的最真实的自然而然的感受。所以现在每次提笔，都会有声音在提醒我，这里不该这么写；这样写层次不好不方便阅读；这样的标题不容易吸引人；这里最后的总结没能很好地表达中心思想；这里是不是应该再改改...
其实在我以前的写作过程中也会有这样的声音，但那是因为我自己觉得所写的东西没能表达我真正的想法，可现在却是为了考虑别人会不会喜欢，我觉得心很累。
浪矢老爷爷，如果是你，你会建议我怎么做呢？
苏小阳Pami敬上
写完这封信，我又重新把《解忧杂货店》这本书看了一遍。发现在有人写了三十封无聊的信给浪矢老爷爷，他的儿子觉得这是恶作剧，觉得父亲不应理睬这样的信件时，浪矢老爷爷说了这样一段话：
不管是骚扰还是恶作剧，写这些信给浪矢杂货店的人，和普通的咨询者在本质上是一样的。他们都是内心破了个洞，重要的东西正从那个破洞逐渐流失。证据就是，这样的人也一定会来拿回信，他会来查看牛奶箱。因为他很想知道，浪矢爷爷会怎样回复自己的信。你想想看，就算是瞎编的烦恼，要一口气想出三十个也不简单。既然费了那么多心思，怎么可能不想知道答案？所以我不但要写回信，而且要好好思考后再写。人的心声是绝对不能无视的。
仿佛突然一下恍然大悟，对啊，人的心声是绝对不能无视的，可是忽略我们自己心声的，却似乎往往都是我们自己。
在这个复杂的世界里，形形色色的人太多了，为什么一定要那么在意别人的想法呢？
既然我喜欢写作，那就尽可能地去写我自己喜欢的东西啊，也许别人的有些意见你可以参考，但不能老是想着别人的看法，不然的话，最后迷失的，将会是你自己。
看到这里，我又提起笔给浪矢老爷爷写了一封回信。
亲爱的浪矢老爷爷：
您好。读了您《解忧杂货店》的故事，我想我已经找到答案了。我应该尽可能地去写自己喜欢的东西，跟随着自己的心意走，这样，就算没有人喜欢我写的文章，至少我自己的内心是快乐而满足的。
记得之前有朋友曾在我空间留言了这样一段话：“自己不改变的话，新的一年也只是之前的重演。想去的地方没有去，想谈的恋爱没有谈，想做的事还是没有做。日历一页页翻，时间一点点走，可你困在原地。等待也好，迷茫也好，都不要把自己留在原地。新的一年不代表新的开始，如果你没有行动；只要你下定决心，每一天都可以是新的开始。”
在我们这个时代，每个人在网络上都可以有自己的一个空间，你可以在里面说自己想说的话，也会有人来这里给你留下她想对你说的话，很神奇，对么？
其实回头再看看，我因为这次比赛收获了很多陌生人的支持，还更加感受到了家人朋友对我的关爱，而且最重要的是，我现在已经明确了我写作的目的是为了记录自己的真实感受，而不是迎合别人，我觉得很开心。相信这对我来说是一个新的起点。
我最近有打算写一本小说，是关于记录之前我读书时发生的一些故事的。我已经走在21岁的时间轨道上了，对您来说，我是年轻的，但我年轻的生命里也经历了很多的人事，是我觉得值得去记录的，最近因为很多杂事而滞笔了，但我想这是我一定要完成的一件事情。
最后，祝您一切安好。感谢您的杂货店，感谢您对每一份烦恼的用心。
苏小阳Pami敬上
写完这封信，我不禁一个人开始傻乐。原来豁然开朗的感觉是这样的。
亲爱的朋友，如果我有幸让你看到这里，如果你也恰好迷茫，不如试着给浪矢老爷爷写一封信，其实也算是给自己写一封信，很多东西写出来，或许就清楚了。
最后，用浪矢老爷爷的一句话作为这篇文章的结尾吧。
我的回答之所以发挥了作用，原因不是别的，是因为他们自己很努力。如果自己不想积极认真地生活，不管得到什么样的回答都没用。
所以，我想，只要你愿意积极认真地生活，跟随本心，就一定会拥有很快乐的人生的。O(∩_∩)O
为什么香港中文大学研发的人脸识别算法能够击败人类
2006年全面超过人脸时的条件是实验室内部拍摄条件、正面姿态、正面光照。这种条件下的人脸识别错误率的进展大约是每3年下降10倍。FRVT2012中期结果中最好的单位(不出意外应该是日本的NEC公司)的错误率已经达到了我们06年系统的1%左右。而我手上的系统相比06年大约提升了十几倍，目前在中期结果中排名6-7名。
2.lfw数据库直接是从雅虎网上抓的照片。难度在业界属于顶尖。该库09年公布后至今没有难度更大的静态照片库出现。难度相当但数据量更大的库倒是有两三个。我们06年的系统跑lfw也就70+的水平。而我们实验室的最高水平(也是国内除face++外的最高水平)大约是92左右。大概相当于2012年底的state-of-the-art。
3.2014年的三个逆天结果，deepface的97.25%、face++的97.27%、gaussianface的98.52%，前两者都用了deep learning。第一个训练数据400万。第二个算法细节不明，但deeplearning向来吃样本，想来训练库也是百万量级。唯有gaussianface的训练库仅2万余。
4.arxiv和CVPR等顶会完全不矛盾。先发上来只是为了不让别人抢先。估计未来的顶刊顶会上很快会出现这个结果。
5.算法细节太过技术，难以在这里深入浅出，就不多介绍了。只提一篇paper。Blei的latent dirichlet allocation，2003年的jmlr，引用量近万。本文对人脸的贡献方式大概相当于lda对文档分类的贡献方式，懂行的人自然知道这句话的分量。当然lda珠玉在前，deep learning风头正劲，所以真正的历史地位，本文自然不可能赶上lda。但一篇正常pami的水准肯定是有的。