原创 基於頻率分量的概率分佈人臉質量評價

原著:《Patch-based Probabilistic Image Quality Assessment for Face Selection and Improved Video-based Face 》這篇論文主要思想是將人臉分成

原创 ubuntu因爲NVIDIA顯卡驅動無法啓動修復方法

1,進入了grub啓動界面後選擇“高級選項” 2,選擇 “boot”,在命令行裏面卸載nvidia驅動“sudo apt-get -remove nvidia* ” 3,重啓,應該就可以進入系統了!

原创 最小二乘法與投影

作者:阿狸 鏈接:https://www.zhihu.com/question/37031188/answer/111336809 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。 最小二乘法(Least

原创 YUV和YCrCb差異

     最近在研究camera的驅動,經常會看到camera IC輸出格式爲RGB,YUV/YCrCb,我非常不明白的一個概念就是YUV和YCrCb到底有什麼區別?或者說他們是否是同一個概念,只是別名不同而已,因此我在網上搜索了很久,

原创 boost構造和解析json

 構造json代碼實例: void asynDBCenter::isGetActorInfoEx(void* on_process, const char* arg) { std::stringstream ros(arg);

原创 基於邊緣寬度的圖像清晰度檢測

論文:《基於強邊緣寬度直方圖的圖像清晰度指標.pdf》 實現: #include <opencv2/opencv.hpp> #include <opencv2/imgproc.hpp> #define mydebug #define t

原创 多維正態分佈與圖形識別

版權聲明:本文爲博主原創文章,未經博主允許不得轉載。 目錄(?)[-] 多維正態分佈與圖形識別目錄 寫在前面從圖形識別的角度對正態分佈的理解 什麼是正態分佈一維正態分佈下的識別與匹配二維正態分佈下的識別與匹配多維正態分佈一個

原创 c++類的模板成員函數申明和實現必須放在一起

解釋如下: C++中每一個對象所佔用的空間大小,是在編譯的時候就確定的,在模板類沒有真正的被使用之前,編譯器是無法知道,模板類中使用模板類型的對象的所佔用的空間的大小的。只有模板被真正使用的時候,編譯器才知道,模板套用的是什麼類型,

原创 android native activity編程解疑記錄

1 java層的camera 預覽回調onPreviewFrame是在哪個線程調用的? 答案是在調用open camera的這個線程,前提是這個線程要有關聯的looper,如果沒有,就會在main thread上面。底層在獲取到相機原始數

原创 android中和c++中生產者和消費者模式

首先上代碼,android package com.wmz.helloworld; import java.util.Random; import android.os.Bundle; import android.util.Log;

原创 JNI編程答疑

原文 https://developer.android.com/training/articles/perf-jni?hl=zh-cn#java 1 JaveVM 和JNIEnv是什麼 jni相關的方法幾乎都放在JNIEnv裏面,JNI

原创 使用android ndk編譯opencv庫過大解決方法

ndk提供的build/cmake/android.toolchain.cmake中有個bug,修改方式如下,詳細可以參考https://github.com/android-ndk/ndk/issues/243 # edit $AND

原创 《VISUALIZING THE LOSS LANDSCAPE OF NEURAL NETS》論文解析

引言 神經網絡的損失函數是一個高度非凸的函數,神經網絡的訓練在於我們能否在這個高度非凸的函數裏找到最小值。總所周知,某些網絡(如帶skip connections)會比較容易訓練,超參數(批量大小,學習率,優化器)選擇的合適,會使得模型泛

原创 ubuntu下安裝caffe和python3配合安裝注意事項

1 先卸載掉你通過apt-get 安裝的protobuf,用sudo apt-get remove libprotobuf-dev libprotoc-dev進行卸載,不然編譯caffe會出現莫名其妙的錯誤 2 安裝protobuf 3.

原创 反向傳播算法推導

      BP(backpropgationalgorithm ):後向傳導算法,顧名思義就是從神經網絡的輸出(頂層)到輸入(底層)進行求解。那麼求解什麼呢,求解的就是神經網絡中的參數的導數,即參數梯度方向,從而就可以使用梯度下降等求解