原创 ANN_MLP神經網絡使用流程詳述

1 . 獲取訓練樣本 訓練樣本就是一些固定大小的圖片。樣本分爲正樣本和負樣本,樣本的選取是一個技術活,需要相關的知識。這裏不做詳述。忽略樣本選取的合理性對最終神經網絡性能造成的影響的前提下,樣本選取主要有以下兩種方式: 一 、

原创 rcnn-->spp-net-->fast rcnn的改進

rcnn 處理框架: 1.輸入圖像 2.提取候選區域(基於selective search方法) 3.候選區域送入CNN,計算得到每個候選區域的特徵向量 4.使用支持向量機進行分類 5.邊界框迴歸(boundingbox

原创 Qt文件操作

Qt文件操作 QFile 說明: QFile是一種輸入輸出設備(QIODevice),用來關聯一個文件。可以用來對文件進行以下操作:打開\關閉\刪除\重命名\拷貝\一個文件。 QFile構造函數 QFile::QFile(cons

原创 Qt編譯qsqlmysql.dll插件

感想 由於項目需要在qt環境中使用mySQL數據庫,而qt4又沒有直接提供qsqlmysql插件,因而只能自己編譯。中間走了很多彎路,在此總結一下。 工具 Qt4.8.6X64_msvc2010 MySQL C鏈接庫 MyS

原创 圖像增強

經典圖像增強算法 空間域 灰度變換(通過一個映射函數得到增強後的圖像,它與圖像的像素位置以及被處理像素的臨域灰度無關,根據映射函數可以分爲以下幾類:) 線性變換 分段線性變換 指數變換 對數變換 直方圖修正 直方圖均衡化 直方圖

原创 opencv 矩陣相乘

點乘與相應元素相乘 點乘 cv::Mat mat(2,2,CV_64FC1,cv::Scalar(2)); double data[4] = {1,2,3,4}; cv::Mat mat2(2,2,CV_64FC1

原创 二次型能量方程求解

二次型 能量方程求解 背景 本人從事於視頻拼接,看相關拼接論文,經常會遇到能量優化的問題,如E=Ep+αEg+βEs 。目的是通過使得E最小來得到期望的參數。這些參數包含在等式右邊的各項中。 二次能量方程解 本文基於cvpr2014的一

原创 google thrift

google thrift使用指南 本文分析http://thrift.apache.org/tutorial/go 上提供的tutorial。編程語言採用go。 1.編寫thrift腳本 tutorial example提供兩個thri

原创 STL之vector內存釋放

相信搜索這個問題的大家已經知道vector的clear()只能對vector中的元素個數清空,但是並不能釋放相應的空間。 swap 釋放內存方法 網上有不少相關的文章介紹利用vector的swap()進行內存釋放,總體上有兩種方法: 以s

原创 linux 常用命令 自己看

linux常用命令 netstat netstat -npl | grep 或者netstat -anp|grep -n:numeric -p programs -l listening -a all ps ps -e

原创 c++ 拷貝構造函數

拷貝構造函數 爆炸性先驗結論 c++調用拷貝構造函數時,不會調用類的構造函數。(拷貝構造函數也是構造函數的一種,每次只調用一個構造函數)。 問題描述 很多人對c++的拷貝構造函數和賦值=運算區分不清楚。如下面的代碼所示: int main

原创 golang map

Golang map 在for range 中delete某個項是安全的 如下代碼所示: m := make(map[string]string) ... //m數據賦值操作,這裏省略 ... 現在我想刪除掉len(key) == 2的項

原创 socket套接字操作

文章轉載地址 http://blog.sina.com.cn/s/blog_b4ef897e0102vrtt.html

原创 深度學習知識記錄

損失函數 損失函數用來衡量輸入變量經過深度網絡得到的輸出值與真實值之間的差異.

原创 可遞歸鎖

可遞歸鎖(也叫循環鎖) 概念 在所有的線程同步方法中,恐怕互斥鎖(mutex)的出場率遠遠高於其它方法。互斥鎖的理解和基本使用方法都很容易,這裏不做更多介紹了。 Mutex可以分爲遞歸鎖(recursive mutex)和非遞歸