原创 隨機抽樣一致(Random Sample Consensus, RANSAC)

轉載:http://blog.sciencenet.cn/blog-613779-477079.html RANSAC是“RANdom SAmple Consensus(隨機抽樣一致)”的縮寫。它可以從一組包含“局外點”的觀測數據集中,

原创 論文閱讀筆記:(YOLO 看一次就夠了) You Only Look Once: Unified, Real-Time Object Detection

尊重原創,轉載請註明:http://blog.csdn.net/tangwei2014 這是繼RCNN,fast-RCNN 和 faster-RCNN之後,rbg(Ross Girshick)大神掛名的又一大作,起了一個很娛樂化的

原创 caffe中增加自己的layer

假設新增加的層命名爲:NEW 1. 在src/proto的LayerParameter 的 LayerType下 加  NEW= 數字; 2. 在src/layer_factory.cpp中, 加     case LayerParam

原创 STL學習筆記-入門概念

1. 入門概念 STL最大的特點: 實現了算法和數據結構的有效分離 STL主要內容:算法(algorithm)、容器(container)、迭代器(iterator)                         容器 -> 提供數據

原创 Fast RCNN ubuntu下安裝筆記

微軟研究院大神Ross Girshick新作:fase CNN,測試速度比RCNN快200倍。 文章:http://arxiv.org/pdf/1504.08083v1.pdf 代碼:https://github.com/rbgirshi

原创 手把手教你訓練分類器

轉載自:http://zhan.renren.com/xjtuopencv?gid=3602888498033866847 訓練過程就是上面的三步 關於正負樣本的一些理解:        正樣本即包括目標的圖片,一般較小(

原创 opencv中圖像連續顯示的內存泄露問題的解決辦法

最近在利用opencv做一個視頻檢測模塊,其中涉及到要把檢測後的圖像一幀幀的顯示出來,形成視頻流的感覺。 問題在於如果利用如下的代碼進行連續的圖像顯示,內存泄露非常嚴重,不出幾分鐘,我的4G內存的本本就喫不消了。 原用於連續顯示的代碼:

原创 社會網絡分析

社會網絡分析      “中心性”是社會網絡研究的重點,個人或者組織在社會網絡中具有什麼樣子的權力,或者說居於什麼樣子的中心地位,對於信息在整個網絡中如何傳播,以及傳播效果都有十分重要的意義。     在社會網絡“中心性”的描述中,有兩種

原创 ICTClAS2013(NLPIR) 的python接口實現

轉發自:http://blog.sina.com.cn/s/blog_dc3dfe290102uwux.html 張華平老師更新了ictclass的最新版(已更名爲nlpir),我前一篇博客提供的接口便用不上了,這裏更新一下新版nlp

原创 C/C++下讀取某一文件夾下所有文件的方法

函數: vector<string> get_al

原创 如何快糙好猛地在Windows下編譯CAFFE並使用其matlab和python接口

轉發自:http://blog.csdn.net/happynear/article/details/45372231 一、準備   需要用到的東西我已經幫大家全部準備好了,有3月31日剛剛從caffe官方dev分支fork過來的源代碼:

原创 opencv中各種矩陣乘的區別

尊重原創,轉載請註明:http://blog.csdn.net/tangwei2014 OpenCV中每次遇到矩陣乘法就亂,各種翻各種查。 這次總結了一下,爲了簡單明瞭,還是讓例子說話。 1. Mat*Mat: 第一個矩陣的列數必須等

原创 LD_LIBRARY_PATH的使用方法

轉載自 百度百科 1.定義     Linux環境變量名,該環境變量主要用於指定查找共享庫(動態鏈接庫)時除了默認路徑之外的其他路徑。(該路徑在默認路徑之前查找)        移植程序時的經常碰到需要使用一些特定的動態庫,而這些編譯好

原创 Caffe中增加新的layer以及Caffe中triplet loss layer的實現

關於Tripletloss的原理,目標函數和梯度推導在上一篇博客中已經講過了,具體見:Tripletloss原理以及梯度推導,這篇博文主要是講caffe下實現Tripletloss,編程菜鳥,如果有寫的不優化的地方,歡迎指出。 尊重原創,

原创 論文閱讀筆記:Object Detection Networks on Convolutional Feature Maps

這是CVPR 2015的一篇 關於深度學習和目標檢測的文章,作者是MSRA的Shaoqing Ren, Kaiming He等。文章下載鏈接:http://yunpan.cn/cQS7v5ruHFKek 提取碼 179e 閱讀總