原创 圖像處理與模式識別文章收集

深度學習識別與定位的應用: http://www.cnblogs.com/jianzhitanqiao/p/5550344.html OpenCV實現對簡單手寫字的識別: http://blog.csdn.net/wangyaninglm

原创 神經網絡入門基礎文章

1、神經網絡基本原理介紹: (1)深度神經網絡(DNN)模型與前向傳播算法: http://www.cnblogs.com/pinard/p/6418668.html (2)深度神經網絡(DNN)反向傳播算法(BP): http://ww

原创 C++的STL介紹

一、常見的STL容器介紹 1、vector (1)常用操作:賦值、刪除、訪問元素、獲取元素個數 1)順序賦值: 使用v.push_back(value),也可以使用v[i]=value賦值,但要注意數據越界問題; 2)刪除(注意:刪除後

原创 面試試題(C++方向)

1、C和C++的特點與區別? 答:(1)C語言特點: 1.作爲一種面向過程的結構化語言,易於調試和維護; 2.表現能力和處理能力極強,可以直接訪問內存的物理地址; 3.C語言實現了對硬件的編程操作,也適合於應用軟件的開發; 4.C語言還具

原创 面試題(C++方向)

第一篇 1、在函數內定義一個字符數組,用gets函數輸入字符串的時候,如果輸入越界,爲什麼程序會崩潰? 答:因爲gets無法截斷數組越界部分,會將所有輸入都寫入內存,這樣越界部分就可能覆蓋其他內容,造成程序崩潰。   2、C++中引用與指

原创 matterport Mask_RCNN配置

轉載自:http://blog.csdn.net/wei_guo_xd/article/details/78579534 環境:Ubuntu16.04+cuda8.0+cudnn6.0+Anaconda3

原创 FCN製作自己的數據集、訓練和測試全流程

轉載自:http://blog.csdn.net/zoro_lov3/article/details/74550735 ** FCN製作自己的數據集、訓練和測試全流程 ** 花了兩三週的時間,在導師的催促下,把FCN的全部流程走了一遍

原创 基於Matterport版本的Mask-RCNN訓練自己的數據集

轉載自:https://blog.csdn.net/l297969586/article/details/79140840 本文是轉載的,但可以做個補充: 將model.train()的頭結構訓練階段的epochs=1改爲較大的數,

原创 CNN for Semantic Segmentation(語義分割,論文,代碼,數據集,標註工具,blog)

轉載自:http://blog.csdn.net/fabulousli/article/details/78633531 在FCN網絡在2104年提出後,越來越多的關於圖像分割的深度學習網絡被提出,相比傳統

原创 錯誤:No module named caffe.proto或No module named caffe解決方法

在確保自己安裝成功caffe後,import caffe等類似導入時,出現上述錯誤可以再import caffe前面添加以下兩句命令: import sys sys.path.insert(0, '/home/hustac/caffe/p

原创 caffe及faster-rcnn詳細配置安裝過程

【引子】 2013年,來自微軟的rbg大神發表了基於深度學習的detection方法:R-CNN。一年以後,大神單槍匹馬又將自己之前的工作提升到了一個新的水平(fast R-CNN)。 2015年,來自微軟亞洲研究院的Shaoqin

原创 Ubuntu下自帶Python2.7同時安裝Anoconda3要注意的問題

有系統自帶的Python2.7,同時又安裝Anoconda3(Python3.5),那麼系統就擁有兩種Python環境。這樣對於各種環境下的包安裝和應用運行環境選擇: (1)安裝命令:pip——>Python2.7環境;pip3——>Py

原创 模式識別中的正樣本與負樣本

轉載自:http://www.cnblogs.com/rainsoul/p/6247779.html 首先將這個問題分爲分類問題與檢測問題兩個方面進行理解: (1)在分類問題中,這個問題相對好理解一點,比如人臉識別中的例子,正樣本很好理解

原创 Detectron安裝與Mask RCNN介紹

現在,官方版開源代碼終於來了。同時發佈的,是這項研究背後的一個基礎平臺:Detectron。官方地址:https://github.com/facebookresearch/DetectronDetectron是Facebook的物體檢測

原创 Mask R-CNN+tensorflow/keras的配置介紹、代碼詳解與訓練自己的數據集演示

簡介 論文地址:Mask R-CNN 源代碼:matterport - github 代碼源於matterport的工作組,可以在github上fork它們組的工作。 軟件必備 復現的Mask R-CNN是基於Python3,Kera