摘要： 特开此文记录我说读 技术书单（闲书就不计入了）， 一方面是鼓励和监督不断提升自我的过程；一方面是给大家做个参考~ 如果时间富裕也会写相关的读书笔记，加油！！ name： deadline： 《C陷阱与缺陷》 2017-09-23 《neural-networks-and -deep-learning 阅读全文

摘要： 1. strcpychar *strcpy(char *destin, char *source);功能：将source指向的字符串拷到destin。 从结果可知确实将src的内容复制过去了，但是全部复制导致dest满了，使用不当就会出错！ 2. strncpychar *strncpy(char 阅读全文

摘要： 上一篇介绍了OPENCV中SVM的简单使用，以及自带的一个二分类问题。 例子中的标签是程序手动写的，输入也是手动加的二维坐标点。 对于复杂问题就必须使用数据集中的图片进行训练，标签使用TXT文件或程序设置好，下面以 IMM Face Database 中的人脸数据作为示例， 实现人脸的HOG特征提取 阅读全文

摘要： 依据机器学习算法如何学习数据可分为3类：有监督学习：从有标签的数据学习，得到模型参数，对测试数据正确分类；无监督学习：没有标签，计算机自己寻找输入数据可能的模型；强化学习（reinforcement learning）：计算机与动态环境交互，学习错误反馈达到更优的目的。 依据机器学习期望结果来分类： 阅读全文

摘要： 灰度图像大多通过算子寻找边缘和区域生长融合来分割图像。 彩色图像增加了色彩信息，可以通过不同的色彩值来分割图像，常用彩色空间HSV/HSI, RGB, LAB等都可以用于分割！ 笔者主要介绍inrange() 来划分颜色区域。先看看OpenCV的文档： C++: void inRange(Input 阅读全文

摘要： 在激活层中，对输入数据进行激活操作（实际上就是一种函数变换），是逐元素进行运算的。从bottom得到一个blob数据输入，运算后，从top输入一个blob数据。在运算过程中，没有改变数据的大小，即输入和输出的数据大小是相等的。 输入：n*c*h*w 输出：n*c*h*w 常用的激活函数有sigmoi 阅读全文

摘要： 视觉层包括Convolution, Pooling, Local Response Normalization (LRN), im2col等层。 1、Convolution层： 就是卷积层，是卷积神经网络（CNN）的核心层。 层类型：Convolution lr_mult: 学习率的系数，最终的学习 阅读全文

摘要： 最近在复习OPENCV的知识，学习caffe的深度神经网络，正好想起以前做过的车牌识别项目，可以拿出来研究下 以前的环境是VS2013和OpenCV2.4.9，感觉OpenCV2.4.9是个经典版本啊！不过要使用caffe模型的话，还是要最新的OpenCV3.3更合适！ 一、车牌图片库 以前也是网上 阅读全文

摘要： caffe自带的例子有mnist和cifar10，cifar10和mnist的运行方式类型，下好图片数据文件后，训练例子中的模型，然后测试模型，也可以自己用图片进行预测分类（自己图片最好是cifar10训练的10种类型）。10种类型如下： 其他类型的图片也只能是错误识别，没有意义。 进入正题，跑完例 阅读全文

摘要： 一. 装完caffe当然要来跑跑自带的demo，在examples文件夹下。 先来试试用于手写数字识别的mnist，在 examples/mnist/ 下有需要的代码文件，但是没有图像库。 mnist库有50000个训练样本，10000个测试样本，都是手写数字图像。 caffe支持的数据格式为：LM 阅读全文