原创 賈揚清講座&&一些問答

講座正文:大家好!我是賈揚清,目前在Google Brain,今天有幸受雷鳴師兄邀請來和大家聊聊Caffe。沒有太多準備,所以講的不好的地方還請大家諒

原创 DIP課程大作業---圖像分割

          數字圖像處理課程的大作業,要求如下:         圖像分割就是把圖像分成若干個特定的、具有獨特性質的區域並提出感興趣目標的技術和過程。它是由圖像處理到圖像分析的關鍵步驟。現有的圖像分割方法主要分以下幾類:基於閾值的

原创 DIP大作業--圖像拼接

對象與場景融合是圖像融合的一個應用方向,它是指把感興趣的目標對象從它原來所在的場景中分割出來後,通過疊加、組合和加工處理合成到另一個場景中去,所形成的新的對象場景圖像看起來必須是真實自然的,從而創造出新的圖像效果。對象場景融合在圖像編輯領

原创 OpenMP並行程序設計——for循環並行化詳解

這篇OpenMP的for循環使用已經很詳盡了,而且例子很好,就轉載了,不再自己另開篇博客。感謝作者。轉載請聲明出處http://blog.csdn.net/zhongkejingwang/article/details/40018735 

原创 計算機視覺、機器學習相關領域論文和源代碼大集合

from CloudWalk(雲從科技)感謝雲從提供!源碼及論文內容較爲陳舊,供初學者學習參考。一、特徵提取Feature Extraction:· SIFT [1] [Demo program][SIFT Library

原创 最簡單方式配置TensorFlow

介紹一個最簡單的方式配置TensorFlow原材料: anaconda     TensorFlow的whl首先下載一個anaconda官方:https://www.anaconda.com/download/清華鏡像:https://m

原创 DarkChannel暗通道去霧算法代碼實現

無聊地打醬油中,翻翻CSDN又看到了愷明大神的那篇dark channel,順手復現下論文代碼下面貼出部分C++代碼來注:圖片用的比較小,直接從網上找的,450*301,所以用的較小的窗口  5*5最後根據這個公式        ,再算下

原创 C/C++ 和 Python混合編程

作者:Jerry Jho鏈接:https://www.zhihu.com/question/23003213/answer/56121859來源:知乎著作權歸作者所有。商業轉載請聯繫作者獲得授權,非商業轉載請註明出處。屬於混合編程的問題。

原创 [搬運] 三層界面佈局實例展示

本文系搬運過來,原文章鏈接    http://www.jb51.net/article/39399.htm       給原作者點贊      共同學習,希望對您有所幫助        android實現底部佈局往往使用Rel

原创 opencv中contourarea返回值與輪廓的真實面積

    之前在寫opencv的時候,發現contourarea的返回值並不是輪廓的真實面積,感覺世界觀都被顛覆了哈哈哈....    研究了一下,過程和結果如下:   first     首先看一下官方的文檔:        畫紅色框的地

原创 TensorFlow與caffe的選擇

關於TensorFlow和caffe的選擇tf更新很快,比較大廠在維護;而caffe更新很慢了,目前主要是伯克利在維護,賈已經不怎麼搞這個了。另外,caffe不如tf靈活,現在看起來很臃腫,論文裏面現在用tf的也更多,復現起來更容易。。。

原创 opencv3.0中與CUDA相關的頭文件和庫解釋

目前,opencv中的cuda接口能夠實現的算法還比較少,並不是很齊全,使用前需要先確定算法是否存在cuda接口相對2.x的改動* 不再使用cv::gpu的命名空間,改用cv::cuda* 頭文件中需要單獨引用#include "open

原创 常用計算機視覺數據集

Pedestrian dataset from MIT: 行人圖片背景簡單INRIA 數據集 :行人檢測圖片,背景複雜WallFlower dataset: 用於評價背景建模算法的好壞. Ground-truth foreground p

原创 深度學習中的白化預處理

數據的白化是在數據歸一化之後進行的。在對數據進行白化前要求先對數據進行特徵零均值化,不過一般只要做了特徵標準化,那麼這個條件就滿足了。在數據白化過程中,最主要的還是參數epsilon的選擇,因爲這個參數的選擇對deep learning的

原创 賈揚清講座&&一些問答

講座正文:大家好!我是賈揚清,目前在Google Brain,今天有幸受雷鳴師兄邀請來和大家聊聊Caffe。沒有太多準備,所以講的不好的地方還請大家諒解。我用的ppt882基本上和我們在CVPR上要做的tu