原创 Ubuntu 14.04 64位機上不帶CUDA支持的Caffe配置編譯操作過程
Caffe是一個高效的深度學習框架。它既可以在CPU上執行也可以在GPU上執行。 下面介紹在Ubuntu上不帶CUDA的Caffe配置編譯過程： 1. 安裝BLAS：$ sudo apt-get inst
2020-06-25 12:29:36
原创 Stereo match 基本原理介紹
這是第一篇博客，想把之前寫的一些東西整理成技術博客，陸續的搬運過來吧。介紹一下一直在做的Stereo match 的基本原理: 圖1.1 cones_left.jpg 圖1.2 cones_left.jpg
2020-02-21 01:31:30
12
原创 圖像摳圖算法學習 - Shared Sampling for Real-Time Alpha Matting
一、序言 陸陸續續的如果累計起來，我估計至少有二十來位左右的朋友加我QQ，向我諮詢有關摳圖方面的算法，可惜的是，我對這方面之前一直是沒有研究過的。除了利用和Photoshop中的魔棒一樣的技術或者Photoshop中的選區
2020-02-21 01:31:30
1
原创 光流Optical Flow介紹與OpenCV實現
光流（optic flow）是什麼呢？名字很專業，感覺很陌生，但本質上，我們是最熟悉不過的了。因爲這種視覺現象我們每天都在經歷。從本質上說，光流就是你在這個運動着的世界裏感覺到的明顯的視覺運動（呵呵，相對論，沒有絕對的靜止，也沒有絕對的
2020-02-21 01:31:30
10
原创 caffe -- mnist示例程序詳解
caffe中的mnist示例程序超詳解，中間包含準備數據、網絡模型解析、訓練和測試全過程，以及遇到的error和解決方法 準備數據 下載數據 cd $CAFFE_ROOT ./data/mnist/get_mnist.sh
2020-02-21 01:31:30
原创 雙目匹配與視差計算
立體匹配主要是通過找出每對圖像間的對應關係，根據三角測量原理，得到視差圖；在獲得了視差信息後，根據投影模型很容易地可以得到原始圖像的深度信息和三維信息。立體匹配技術被普遍認爲是立體視覺中最困難也是最關鍵的問題，主要是以下因素的影響：
2020-02-21 01:31:30
91
原创 Ubuntu下boost庫的編譯安裝步驟及卸載方法詳解
最近由於編譯一個程序用到了C++的boost庫，所以便安裝了這個庫。但是，其中遇到了一些小問題。所以記錄下來，以供別人參考。 首先說一下我的環境：Ubuntu 12.04 32bit, gcc 4.6.3 其實在ubuntu
2020-02-21 01:31:30
原创 深度學習（一）深度學習學習資料
一、學習清單 1、綜合類 (1)收集了各種最新最經典的文獻，神經網絡的資源列表：https://github.com/robertsdionne/neural-network-papers 裏面包含了深度學習領域經典、以及最新最牛逼的
2020-02-21 01:31:30
原创 立體匹配算法（Stereo Matching）及其在OpenCV中的應用
模擬人的兩隻眼睛的Stereo相機最近變得很受歡迎。通過對stereo相機拍攝的左右兩張圖進行匹配找出視差圖，可以還原物體的3D信息。 立體匹配（Stereo matching）的步驟如下： 1： 預處理：亮度歸一化，去噪，圖像增
2020-02-21 01:31:30
原创 OpenCV三種立體匹配求視差圖算法總結
對OpenCV中涉及的三種立體匹配算法進行代碼及各自優缺點總結： 首先我們看一下BM算法： 該算法代碼： [cpp] view plain copy CvStereoBMState *BMState = cvCreat
2020-02-21 01:31:30
19
原创 安卓平臺下ARM Mali OpenCL編程-GPU信息檢測
對於ARM Mali GPU，目前是支持OpenCL1.1，所以我們可以利用OpenCL來加速我們的計算。 一直以來，對於Mali GPU的OpenCL編程，一直沒有環境來測試。好不容易弄到一個華爲Mate
2020-02-21 01:31:20
原创 ARM新GPU架構Midgard
ARM公司對於能夠在 移動設備 佔有絕大部分的份額一直是頗感自豪。但是ARM公司並不只將目光放在處理器核心上，現在也開始在GPU核心上發力。該公司的研發目標之一就是通過CPU核心與GPU核心的 聯合異構計算 以 提升性能/功耗表現，因此A
2020-02-21 01:31:20
3
原创 [Android 編譯(一)] Ubuntu 16.04 LTS 成功編譯 Android 6.0 源碼教程
1 前言 經過3天奮戰，終於在Ubuntu 16.04上把Android 6.0的源碼編譯出來了，各種配置，各種error，各種爬坑，特寫此博客記錄爬坑經歷。先上圖，Ubuntu上編譯完後成功運行模擬器，如圖： 2 編譯環境 U
2020-02-21 01:31:20
原创 一文讀懂目標檢測：R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD
目前學術和工業界出現的目標檢測算法分成3類： 1. 傳統的目標檢測算法：Cascade + HOG/DPM + Haar/SVM以及上述方法的諸多改進、優化； 2. 候選區域/窗 + 深度學習分類：通過提取候選區域，並對相應區域進行以深度
2018-10-20 10:45:48
原创 目標檢測算法綜述：R-CNN，faster R-CNN，yolo，SSD，yoloV2
1 引言 深度學習目前已經應用到了各個領域，應用場景大體分爲三類：物體識別，目標檢測，自然語言處理。上文我們對物體識別領域的技術方案，也就是CNN進行了詳細的分析，對LeNet-5 AlexNet VGG Inception ResNet
2018-10-20 10:45:48
3