原创 opencv視覺跟蹤——CAMshift(meanshift均值漂移)

關於CAMshift的資料很多,如下鏈接寫的都很不錯,我就說說自己對CAMshift的理解 https://blog.csdn.net/li_dongxuan/article/details/70667170 https://blog.c

原创 opencv——基於kmeans的圖像分割

kmeans爲無監督聚類最重要的算法,本文用kmeans算法對圖像進行分割。算法原理參考: https://blog.csdn.net/u013719780/article/details/51755124 https://blog.cs

原创 opencv視覺跟蹤——消除背景建模

 消除背景建模就是找出視頻中移動的區域,把移動的區域設爲白色對象方便觀察,其他沒有移動的區域設爲黑色背景。 消除背景建模是視頻跟蹤最基本的方法。可用基於機器學習的KNN算法或者圖像分割MOG算法 不論是KNN還是MOG,它們對於消除背景建

原创 opencv——GMM圖像分割

GMM即高斯混合模型,GMM加上貝葉斯就能對圖像進行分割。 在說高斯混合模型之前,得先認識單高斯模型,即高斯分佈(正態分佈),由圖可知,以某個點爲例,它的高斯分佈含義:離該點越近其權重越大影響越大,越遠其權重越小影響越小,中心點的大小要受

原创 opencv——基於SVM的數字識別(1)

關於SVM的原理有很多優秀的視頻和資料,這裏我主要說下利用SVM對數字識別的具體應用 首先,需要有數字的訓練樣本 https://download.csdn.net/download/weixin_41721222/10784418

原创 遷移學習VGG_貓狗識別

使用了VGG19的模型遷移到貓狗識別中,並且在最後添加了兩層FC全連接層用於分類。 並且網絡中添加了學習率衰減以及平均滑動模型   其中train_image(2w5張圖片)存放訓練樣本 , test1(256張圖片)存放測試樣本 tr

原创 模型壓縮與加速

開始轉行模型壓縮和加速,記錄..........

原创 c++ 冒泡排序

#include <iostream> using namespace std; class maopao //類 { private: int chang;//長 int *arr;//數組 int t;//交換數據會用到

原创 c++ 選擇排序

#include <iostream> using namespace std; class select { private: int *arr;//數組 int chang;//長度 int temp; void show

原创 隊列的鏈表存儲——python

'''存在兩個指針,類似於頭指針和尾指針''' class Node(object): def __init__(self,item): self.item=item self.next=None

原创 棧的順序存儲——python

class SequenceStack(object): def __init__(self,size=10): self.max=size#最大容量 self.top=-1#top指針

原创 單循環鏈表——python

class Node(object): "單循環鏈表節點" def __init__(self,item): self.item=item self.next=None class si

原创 雙向鏈表——python

class Node(object): "雙向鏈表節點" def __init__(self,item): self.item=item self.next=None #後

原创 單鏈表——python

class Node(object): "單鏈表節點" def __init__(self,item): self.item=item# item存放數據元素 self.next=None

原创 順序表——python

class SequenceList(object): '''順序表(數組)''' def __init__(self,size=6): # 初始化順序表 self.max=size#最大