上一页 1 ··· 3 4 5 6 7 8 9 10 下一页
摘要: [参考1:] [参考2:] 1. [下载wineQQ] 2. 解压及安装 如果第三个安装出错, 请使用: 3. 解决版本过低: 在手机QQ上解除设备锁即可. 阅读全文
posted @ 2017-11-13 19:52 默盒 阅读(2385) 评论(0) 推荐(0) 编辑
摘要: 记得要将384改为自己系统对应的a. 转自 阅读全文
posted @ 2017-11-04 19:41 默盒 阅读(628) 评论(0) 推荐(0) 编辑
摘要: 将默认的kernel修改为对应的python即可: 转自 阅读全文
posted @ 2017-11-04 14:25 默盒 阅读(649) 评论(0) 推荐(0) 编辑
摘要: Loss_Function_of_Linear_Classifier_and_Optimization Multiclass SVM Loss:    Given an example(xi, yi /sub ) where xi is the image and where y 阅读全文
posted @ 2017-10-24 23:41 默盒 阅读(268) 评论(0) 推荐(0) 编辑
摘要: CN_Week1_Neuron_code on Coursera Abstract for week2: 1. Technique for recording from the brain. 2. Tools for discovering how the brain represents info 阅读全文
posted @ 2017-10-24 23:12 默盒 阅读(167) 评论(0) 推荐(0) 编辑
摘要: ```python3 import cv2 import numpy as np import time cap = cv2.VideoCapture(0) background_capture = cv2.VideoCapture(r'./a.avi') counter = 1 while cap 阅读全文
posted @ 2017-10-23 20:32 默盒 阅读(364) 评论(0) 推荐(0) 编辑
摘要: Adaptive Threshold 1. Otsu's Binarization: 1. Using a discriminant analysis to partition the image into 2 classes C0 = {0, 1, 2, ..., t} and C1 = {t+1 阅读全文
posted @ 2017-10-19 08:02 默盒 阅读(292) 评论(0) 推荐(0) 编辑
摘要: 如图所示: 选中想要替换成为的应用程序, 在其中勾选想设默认应用的文件类型即可. 阅读全文
posted @ 2017-10-18 14:13 默盒 阅读(473) 评论(0) 推荐(0) 编辑
摘要: 0. The introduction: 1. An example: Models of "Receptive Fields". 2. An intuitive method of showing the electrical activities of neurons converting th 阅读全文
posted @ 2017-10-10 20:03 默盒 阅读(192) 评论(0) 推荐(0) 编辑
摘要: 几种常用的图像增强方法: 1. 直方图均衡化: 全局: 局部: 2. 指数方法: $g(x, y) = 255 ((g(x, y) minv) / (maxv minv)) ^ t$ t越大, 噪声越少, 但同时失去的信息也更多——信息本身也是一种噪声; t通常取值在(0.6, 1.5). 阅读全文
posted @ 2017-10-09 09:09 默盒 阅读(434) 评论(0) 推荐(0) 编辑
上一页 1 ··· 3 4 5 6 7 8 9 10 下一页