原创 COCO數據集annotation內容

本文轉載自 http://blog.csdn.net/qq_30401249/article/details/72636414 找了很多coco數據集的資料,感覺裏面的東西有些還是不清楚,順便就轉載下 instances_

原创 使用face_recognition(一)人臉識別

關於使用face_recognition,安裝方面還是有些坑的。之前用的是python3.5,pip安裝出錯,需要dlib什麼的。按照網上的教程弄,還是有問題,搞了一天搞不定。後來看到說用python3.6比較簡單,就換了個版本,結果pi

原创 菜鳥初刷LeetCode——數組(3) containsDuplicate 存在重複

給定一個整數數組,判斷是否存在重複元素。 如果任何值在數組中出現至少兩次,函數返回 true。如果數組中每個元素都不相同,則返回 false。   思路一:  排序然後遍歷,當和下一個相等,就輸出   思路二: 放入set,然後比較原數組

原创 菜鳥初刷LeetCode——數組(1) removeDuplicates從排序數組中刪除重複項

給定一個排序數組,你需要在原地刪除重複出現的元素,使得每個元素只出現一次,返回移除後數組的新長度。 不要使用額外的數組空間,你必須在原地修改輸入數組並在使用 O(1) 額外空間的條件下完成。 示例 1: 給定數組 nums = [1,1

原创 菜鳥初刷LeetCode——數組(5) plusOne加一

給定一個由整數組成的非空數組所表示的非負整數,在該數的基礎上加一。 最高位數字存放在數組的首位, 數組中每個元素只存儲一個數字。 你可以假設除了整數 0 之外,這個整數不會以零開頭。 示例 1: 輸入: [1,2,3] 輸出: [1,2

原创 阿里電話面涼涼經歷

上來先自我介紹,然後講實習的經歷,實習的項目,再問了學校裏的項目。 問了項目裏面的東西,因爲跟java沒什麼關係,就不說了。 Java問題: Object類有哪些方法 如何重寫equals方法,要注意什麼的,技巧 介紹Hashmap,擴容

原创 菜鳥初刷LeetCode——數組(2) maxProfit 買賣股票的最佳時機 II

給定一個數組,它的第 i 個元素是一支給定股票第 i 天的價格。 設計一個算法來計算你所能獲取的最大利潤。你可以儘可能地完成更多的交易(多次買賣一支股票)。 注意:你不能同時參與多筆交易(你必須在再次購買前出售掉之前的股票)。 示例 1:

原创 機器學習-1 線性迴歸

簡單來說,迴歸分析就是利用樣本(已知數據),產生擬合方程,從而(對未知數據)進行預測。主要包括線性迴歸和非線性迴歸。線性迴歸中又包括:一元線性、多元線性以及廣義線性(代表爲邏輯迴歸,下一節講)在應用中,我們往往不知道是否能用線性迴歸。因此

原创 使用face_recognition(二)目標人臉“實時”檢測

使用的就是給的樣例,例程的網址在這邊:鏈接 改了裏面的圖片。程序比較好理解,主要有下面幾個小點要注意: OpenCV讀取的圖片和攝像頭都是BGR格式的,因此我們在使用前需要先進行格式轉換。可以使用OpenCV自帶的函數,也可以使用rg

原创 face++人臉檢測(三)搜索

搜索要分爲三步,先創建faceset,添加圖片,再搜索。搜索是在faceset中尋找最像輸入圖片中人臉的內容。 首先創建faceset: 下面是我的代碼: #!/usr/bin/env python # -*- coding: utf-

原创 學習web.py——01(環境搭建與hello world)

安裝本人使用的是python3.6,因此會存在一點問題。不要用去github上下載包然後 python setup.py的方法,還是沒裝上。還會出現卸載不了的問題。關於卸載,可以參考這個解決方案 https://stackoverflow

原创 機器學習-0 基礎

本人打算進入機器學習領域,因此打算在學習的時候自己寫點博客作爲總結,主要是給對自己的梳理,不對的也歡迎大家指正。後續也能也會對之前的內容進行修改,畢竟學到後面肯定會對之前的有別的感受。基本步驟獲取訓練數據——包含所有模型的假定方向——確定

原创 關於javaweb項目突然找不到包的問題

使用了是idea編譯器,幾天沒用,再打開項目的時候發現有問題,引用不到項目中新建的類了。解決這個問題比較簡單,將java文件設爲source root就可以了。然後又來了個問題,找不到spring文件,關鍵我明明以前有的。查看了下文件夾,

原创 將COCO數據集整合成VOC格式xml

VOC2012的數據集感覺不是很夠,因此將部分COCO數據集轉爲VOC格式。做的是目標檢測的,因此主要還是annotation的部分。因爲VOC格式中的需要的數據其實主要是圖片id、bbox數據已經分類資料,所以我先從COCO數據集中的j

原创 face++人臉識別(二)人臉比對

這是關於使用compare的API,一開始還行網上找現成的,結果沒找到。自己按文檔,發現還蠻簡單的,果然偷懶要不得。 完整代碼如下: #!/usr/bin/env python # -*- coding: utf-8 -*- # @T