原创 C++運算符重載,友元

在介紹運算符重載之前,先看一下下面的代碼,在實際編程中,我們一般如果要將兩個數組相加,一般都會採用如下for循環的形式進行實現: for(int i=0;i<20;i++) { everning[i]=sam[i]+janet[i];/

原创 人臉特徵點定位方法綜述 (An Empirical Study of Recent Face Alignment Methods閱讀筆記)

人臉特徵點定位方法綜述 (An Empirical Study of Recent Face Alignment Methods閱讀筆記) 人臉特徵點定位方法具有里程碑式的發展有五個: 1、1995 年Cootes 的ASM算法; 2、1

原创 安裝win7,Ubuntu16.04雙系統

安裝win7,Ubuntu16.04雙系統 Linux可以說是開發者的系統,對於開發者來說,Linux發行版不僅爲我們提供了無數強大的開發工具,還能幫助我們從源碼上學習操作系統是工作的。而且經常在命令行上工作的我們還能在別人面前耍下

原创 Windows 版caffe 的python接口編譯

Windows 版caffe 的python接口編譯 第一步、安裝anaconda2  由於我比較喜歡使用anacoda這一款IDE,其中集成安裝了許多常用的模塊,比如做數據計算的numpy,圖像顯示的skimage,機器學習的sklea

原创 Caffe學習:繪製loss和accuracy曲線(使用caffe的python接口)

Caffe學習:繪製loss和accuracy曲線(使用caffe的python接口) 上一篇博客講到了使用caffe的工具包來繪製loss曲線和accuracy曲線,這篇文章主要將如何使用caffe的python接口繪製這兩種曲線,以下

原创 C++類模板 template 詳細使用方法

C++類模板 template <class T>詳細使用方法 類模板與函數模板的定義和使用類似。有時,有兩個或多個類,其功能是相同的,僅僅是數據類型不同,如下面語句聲明瞭一個類: class Compare_int { public :

原创 ubuntu 16.04 啓用root用戶方法

ubuntu 16.04 啓用root用戶方法 1、使用:sudo passwd root設置root的密碼,如下圖所示: 2、使用su root來測試是否可以進入root用戶,如果出現#說明已經設置root用戶的密碼成功,如下圖所示:

原创 構造函數與析構函數

c++構造函數和析構函數 構造函數的任務就是初始化類對象的數據成員,無論何時只要類的對象被創建,就會執行構造函數。構造函數的名字和類名相同,和其他函數不一樣的是,構造函數沒有返回類型。構造函數也有一個參數列表(可能爲空的)參數列表和一個可

原创 3D CNN框架結構各層計算

3D CNN框架結構各層詳細計算過程 這篇博客主要詳細介紹3D CNN框架結構的計算過程,我們都知道3D CNN 在視頻分類,動作識別等領域發揮着巨大的優勢,前兩個星期看了這篇文章:3D Convolutional Neural Netw

原创 OpenMP並行程序設計之OpenMP使用入門

OpenMP並行程序設計之OpenMP使用入門    程序運行速度慢應該是所有程序員都特別頭疼的一個問題,當前對於程序運行加速有兩種方式:一種是通過硬件的方式加速,比如我們常聽說的硬解碼,軟解碼,這裏的硬解碼就是通過硬件對程序進行加速;

原创 Face Alignment at 3000 FPS via Regressing Local Binary Features 閱讀筆記

基於局部二值特徵的人臉形狀迴歸 FaceAlignment at 3000 FPS via Regressing Local Binary Features閱讀筆記 該篇文章與CVPR2012年的ESR相比,亮點在於:1)提取一系列局部

原创 OpeMP並行程序設計時需要注意的事項

OpeMP並行程序設計時需要注意的事項 OpeMP程序設計時需考慮一下兩點: 1)當循環次數較少時,如果分成過多的線程來執行的話,可能會使得總的運行時間高於較少線程或一個線程的執行情況,並且會增加能耗; 2)如果設置的線程數量遠大於CPU

原创 神經網絡的直觀解釋

什麼是卷積神經網絡?爲什麼它們很重要? 卷積神經網絡(ConvNets 或者 CNNs)屬於神經網絡的範疇,已經在諸如圖像識別和分類的領域證明了其高效的能力。卷積神經網絡可以成功識別人臉、物體和交通信號,從而爲機器人和自動駕駛汽車提供

原创 視頻人臉對齊

Toward Personalized Modeling: Incremental and EnsembleAlignment for Sequential Faces in the Wild(IJCV2017文章閱讀筆記) 由於文章

原创 C3D:視頻動作分類demo實現

C3D:視頻動作分類demo實現 C3D這個網絡是來自於learning Spatiotemporal feature with 3DConvolutional Networks這篇文章,我也對這篇文章仔細的研讀過,我覺得這個網絡具有