原创 MFC中創建多線程 MFC對象指針不能在線程間傳輸

原文出處 注:碰到MFC線程安全的坑,這個前輩說的比較受用。姑且先粘貼過來,等項目進度跟上了,再來總結。 對於大多數mfc對象,請不要在線程間傳遞它們,不管是棧上的還是堆上的!原因如下: 1、 mfc的大多數類不是線程安全的,

原创 bmp文件讀存

bmp文件讀存(8位 24位) 點贊 收藏 分享 文章舉報 Duco 發佈了37 篇原創文章 · 獲贊 31 · 訪問量 9萬+ 私信

原创 消除圖像處理中的光照不均(matlab版)

步驟 1.進行最大(最小)值濾波初步得到光照圖 2.進行均值(或高斯)濾波得到最終的光照分佈圖 3.原始圖像減去光照圖,得到前景目標 一個栗子 拿matlab中自帶的rice.png圖舉例。我們希望能夠把大米和背景區分開來,直

原创 【matlab】配置surfbox工具箱(surfacelet變換)

配置surfbox工具箱(surfacelet變換工具箱)本人機器環境 VS2010+MATLAB2009A一.下載surfbox http://c

原创 cocos2d中的觸摸監聽

示例代碼 新建場景類繼承Scene。 重載init如下 bool ActionScene::init(){ // 1. super init first if ( !Layer::init() ) {

原创 【caffe】caffe中transform_param中參數的執行順序

執行順序 caffe中transform_param有四個選項:scale,mean,mirror,crop_size transform_param { scale: 0.00390625 mean_file_siz

原创 MACE源碼解析【ARM卷積篇(二)】1*1卷積實現

前言 本文來解析一下MACE中ARM代碼的1*1卷積的實現。1*1卷積在CNN中是比較特殊的一種操作,不再強調領域操作,一般用到1*1卷積有以下幾種情況(相互之間不獨立) 1.單純的加強非線性映射,不強調領域CNN的特徵提取功能 2.

原创 MACE源碼解析【ARM卷積篇(一) 】1*N和N*1卷積實現

MACE Mobile AI Compute Engine (MACE) 是一個專爲移動端異構計算平臺優化的神經網絡計算框架,旨在深度神經網絡部署在移動端,是一個SoC上的神經網絡實現。主要涉及的硬件資源主要包括CPU、GPU、DSP,對

原创 C++ RTTI的簡單實現(二)

前不久寫了個 C++ RTTI的簡單實現(一) ,是在查了一些RTTI資料後自己倒騰出來的。近日重看(一兩年前看的忘的東西挺多的)《深入淺出MFC》,看到候老師關於MFC六個仿真中的RTTI實現,對比了下自己的設計,下面總結一下。 相同點

原创 auto_ptr 和 STL容器的衝突與陷阱

轉自:http://my.oschina.net/costaxu/blog/105101 上個星期的博客shared_ptr源碼剖析裏其實遺漏了一個問題:爲什麼auto_ptr不可以作爲STL標準容器的元素,而shared_ptr可以?

原创 一個基於Memory Pool的圖像算法內存池實現

動機 在實現圖像處理工程應用中,往往需要一些臨時的中間圖。若應用較爲簡單可以固定一些image buffer,反覆利用這些內存來達到避免內存碎片和節省內存申請的時間。但業務流程較爲複雜時,還是需要內存池來幫助管理這部分內存。大致搜索了一下

原创 C++中如何實現自定義類型的迭代器

動機 我們知道STL實現了很多算法(#include<algorithm>),如果項目是基於STL構建那麼能夠最大化使用現有代碼當然是最好的。在STL中容器和算法之間的橋樑是迭代器。所以在定義好自定義類型的容器後,接下來就是迭代器的實現。

原创 在windows環境下使用tensorflow運行openPose

note:$後爲命令 1.安裝vs2015 安裝鏡像下載:https://msdn.itellyou.cn/ 2.安裝anaconda3 windows版本 & 安裝tensorflow 在本例中使用的cpu版本,GPU版本應該也沒問題,

原创 pytorch0.4.0,win10,python3.6,gpu

pytorch的windows-gpu-cuda80版本,需要翻x牆才能下載。這裏提供百度網盤鏈接避免找梯子的麻煩。 鏈接 https://pan.baidu.com/s/1o5ztnNu0NsgBYPIsrwC_Gw 密碼: bcr4

原创 c++模板偏特化的應用

動機 考慮這樣一個需求, 在某項目中需要對動態內存進行限制以避免產生內存碎片這樣的問題,需要實現一個內存池。讓項目中的一些對象在內存池中拿取數據而不是直接用new在堆中取數據。那麼對於一個對象的生成我們需要把內存分配和構造分開,同樣的析構