原创 Android sqlite數據庫操作筆記

這篇博客記錄了一個app中,建立日誌數據庫需要的操作。應用場景如下: app有個登錄系統,每一次登錄,都需要記錄一條日誌信息,信息中記錄登錄的用戶名,時間等信息。數據總共只能保存最近50次登陸的記錄,超過50次以後,就會刪除最前

原创 Android 禁止狀態欄下拉

如果你有這樣的需求:用戶進入你的app以後,所有的操作都是你的app中設定的,用戶不可以擁有系統設置等行爲的能力。然而,android系統,可以通過從頂部往下拉,從而得到一個通知和快速系統設置的頁面: 因此,現在你想禁止它彈

原创 Android.mk引入第三方jar包和so庫文件

以SystemUI爲例,如果需要在SystemUI中引入第三方jar包以及so庫,可作如下處理: 首先,在frameworks\base\packages\SystemUI下新建libs目錄: 將需要引入的jar包放置到l

原创 Android Socket通信--通過jni用c++實現客戶端

講比較重要的代碼放到native層是比較好的做法。如果你有需求需要把socket通信的部分封裝的jni中實現,那麼本文可做參考。 代碼思路 1.總共實現三個native方法: public native void init

原创 深度學習三:tensorflow,訓練一個神經元

初學tensorflow,我做了一個無聊的嘗試。構建一個只有兩個輸入,一個輸出的升經網絡,然後訓練它。這個神經網絡應該是這個樣子: 我的目標是,我給他指定一個輸入,比如x1=x2=1,我期望y能輸出0,所以我不斷的輸入x1=

原创 基於yolo的人臉檢測與人臉對齊

前言 YOLO(You Only Look Once)是一種基於深度神經網絡的對象識別和定位算法,yolo將對象定位作爲迴歸問題求解,在one-stage中實現對象定位與識別,其最大的特點就是快!快!快! 既然yolo本來就是通過迴歸的方

原创 CupCnn 添加rnn的實現

github地址: CupDnn地址(給個小星星唄^~^) RNN的原理? 。。。。嗯。。。不想多說,很多介紹其原理的文章,所以這裏就不囉嗦了。 爲什麼推薦CupDnn中實現的rnn? 足夠簡單,可能是最簡單的實現吧,很容易學習。 有例子

原创 計算聯通區域

對於這樣的圖片: 摳出其中的黑色區域,效果如下: import cv2 import numpy as np import matplotlib.pyplot as plt import time def findUni

原创 由yolov3啓發搭建的人臉檢測模型

最近看了些yolov3和ssd的水文,感覺有些收穫,所以基於自己的理解搭建了個人臉檢測的模型,在winderface數據集上進行嘗試性訓練.有一點效果,但還有很大的訓練和改進空間.這裏把工程share出來,希望有相同愛好的可以一起優化,訓

原创 Android 編碼攝像頭數據爲h.264格式

之前自學了下ffmpeg,使用ffmpeg在ubuntu下編解碼比較方便,但是到了Android,發現使用比較多的編解碼類是MediaCodec,在工作之餘,抽點時間,學習下這個類的使用,做點記錄,以供後續查閱。 MediaCo

原创 Android 處理Camera圖像並繪製處理結果

這裏爲了介紹如何處理Camera的圖像並繪製處理的結果,舉這樣一個例子: 對一幀圖像,計算它的清晰度,然後把清晰度顯示出來。 假設有一幀1280x960的圖像,我們取中間400x400的區域,計算這塊區域的清晰度,示意圖如下:

原创 基於pytorch的無需分割字符的車牌識別

傳統車牌識別 傳統的車牌識別需要先檢測出車牌,檢測出車牌後通過“像素映射”或者“聯通區查找”的方法分割出單個的文字,然後單獨識別每個文字。傳統的車牌識別不僅繁瑣,而且切割文字的效果也很難令人滿意。因此,能不能繞開字符分割的問題,直接識別車

原创 圖像處理-神奇的卷積核

關於卷積的理論這裏就不囉嗦了。最近初步學習圖像處理,使用java寫了點對圖像進項卷積操作的代碼,實驗的過程中感覺頗爲驚奇,原來覺得高深的圖像的銳化、浮雕、邊緣檢測等技術,使用簡單的卷積就可以輕鬆實現。 我首先將一副彩色的圖像使用

原创 深度學習一:自己寫java代碼,訓練一個神經元

神經網絡與深度學習這本書是我學習深度學習的啓蒙教材,感興趣可以到鏈接出下載。通過一段時間的學習,感覺基本理解了梯度下降算法和反向傳播算法,於是嘗試着自己寫代碼來實現神經網絡。一開始總是很難的,所以我設計了個非常簡單的目標,訓練一個

原创 深度學習二:自己寫java代碼,識別手寫數字

上一節我們自己寫代碼訓練了只有一個神經元的反相器,它雖然只有一點點代碼,但卻讓我們加深了梯度下降算法和反向傳播算法的理解。只要勇敢的邁出這一步後,我們就可以勇敢的嘗試它:深度學習中的hello wold–識別手寫數字。 只有自己寫