原创 車牌定位之非車牌block排除
block排除工作進行兩個月，之所以需要這個環節，是因爲粗定位模塊不夠準確，放入了太多block。然而如果能準確的區分車牌block與非車牌block，那也將是對整個車牌識別流程的一個貢獻，因爲或許在粗定位上就可此方法避
2020-06-22 18:08:04
3
原创 概率論數理統計 挺全的
轉自 http://www.cnblogs.com/v-July-v/archive/2012/12/17/3125418.html 數據挖掘中所需的概率論與數理統計知識、上 （關鍵詞：微積分、概率分佈、期望、方差、協方差、數
2020-06-22 16:12:27
原创 車牌定位之梯度圖像
最近工作依然在車牌定位上。經過粗定位，車牌框或大或小，或誤定位情況雜多。而往往高的識別率最重要的就是對這些情況如何一一解決，即所謂的細節問題。 這裏粗略描述下過程，討論方法而已，畢竟調試過程無法細說，代碼也
2020-06-22 16:12:27
1
原创 YOLO2訓練
YOLO2訓練小記： 用了600張圖像，製作訓練集，設置batch = 30，subdivisions = 6, 設置每10個batch後就輸出一箇中間模型，我把yolo-voc_20.weights，yolo-
2020-06-22 16:12:27
1
原创 翻頁功能實現
開始做翻頁效果時發現這方面資料不多，能涉及原理的文章更少，參考這篇文章大致瞭解了翻頁原理，但是後面發現不用那麼複雜。 下面介紹簡要原理： 圖1 此圖參考上面那篇文章 圖2
2020-06-22 16:12:16
原创 使用預訓練模型對圖像進行分類
這裏介紹的是直接用訓練好的分類任務的預訓練模型來測試。當然caffe提供了幾種方法進行測試。這裏介紹兩種： 1、直接調用工具 2、基於python接口。 對單個圖像進行分類： 第一種： 使用編譯好的calssification工具測試
2020-06-09 20:57:57
1
原创 爲什麼全連接層輸入需要固定尺度
SPPnet的提出就是爲了解決全連接層的輸入需要固定維度的問題。爲什麼全連接層的輸入需要固定維度？ 全連接層的計算其實相當於輸入的特徵圖數據矩陣和全連接層權值矩陣進行內積，在配置一個網絡時，全連接層的參數維度是固定
2020-06-09 20:57:57
原创 64位系統和32位系統 各種數據類型字節數
一）64位系統和32位有什麼區別？ 1、64bit CPU擁有更大的尋址能力，最大支持到16GB內存，而32bit只支持4G內存 2、64位CPU一次可提取64位數據，比32位提高了一倍，理論上性能會提升1倍。但這是建立在64bit
2020-02-20 15:25:31
原创 time_t 時間類型詳解 （time_t屬於C++函數）
轉載自 http://blog.csdn.net/love_gaohz/article/details/6637625 Unix時間戳(Unix timestamp)，或稱Unix時間(Unix time)、POSIX時間(POSIX
2020-02-20 15:25:31
原创 好文分享 線性代數的本質
本文轉載自微頭條，作者遊皓麟 http://www.wtoutiao.com/p/l53Eqf.html 線性代數的本質 遊皓麟 · 2015-07-05 21:48 編者按：想要機器學習，線性代數必要先行，至於爲何
2020-02-20 15:25:30
原创 Haar+adaboost物體檢測算法知識點歸納總結
基於此方法研究車牌識別系統相關應用，以下主要總結其中的關鍵點和難點，需要對haar特徵和adaboost原理有一定了解，供剛開始學習和使用此法的童鞋參考，肯定不夠全面，亦或存在不夠準確的地方，諸位可指出，交流補充
2020-02-20 15:25:30
原创 YUV模型小解
首先，題目之所以寫“小解”而不是“詳解”，是因爲這裏只分析YUV其中一種採樣方式（YUV有多種採樣方式），相信通過對一種常見採樣方式理解後，對其他採樣方式的相關內容會更容易掌握。 YUV數據有三個分量（有時
2020-02-20 15:25:30
原创 Faster R-CNN中的anchors和YOLO中的grid的理解
轉自http://blog.csdn.net/u014540717/article/details/53522083 一直不知道7×7的網格到底是幹什麼的，不就是結果預測7×7×2個框嗎，這跟把原圖分成7×7有什麼關係？不分成7×
2020-02-20 15:25:30
原创 濾鏡系列（13）——計算模式算法集合
============================================== 版權所有：小熊不去實驗室CSDN博客 ==============================================
2020-02-20 15:25:29
原创 YOLO2 window7+cpu版本
研究RCNN系列算法，到現在的YOLO和SSD，因爲平臺原因（窮），都嘗試在Window+cpu環境下測試已有模型效果。網上有很多教程，這裏記錄下yolo2的配置過程。平臺：window+cpuyolo2代碼：https://
2020-02-20 15:25:29