随笔分类 -  笔试&面试知识点

笔试题—知识点汇总（一）
摘要：目录： 1、有序树转换二叉树 2、洗牌问题 3、矩阵秩的几何意义 1、有序树转换二叉树 如果T2是由有序树T转换而来的二叉树,那么T中结点的前序就是T2中结点的前序,T中结点的后序就是T2中结点的中序 2、洗牌问题 简单直接的方法：对数组从头到尾扫描一遍，扫描过程中，每次都从整个数组随机选一个元素， 阅读全文
posted @ 2018-08-20 18:57 深度机器学习 阅读(342) 评论(0) 推荐(0) 编辑
图像处理—算子
摘要：Robert算子是一阶微分算子，比较简单，计算量小，对细节反应敏感。 Sobel算子是基于一阶导数的微分算子，其中引入了类似局部平均的运算，对于噪声有平滑作用，能很好地消除噪声的影响，所以计算量变大。 Prewitt算子和Sobel一样，图像中的点用Sobel的两个卷积核卷积，取最大值作为输出值。也 阅读全文
posted @ 2018-08-11 11:56 深度机器学习 阅读(1956) 评论(0) 推荐(0) 编辑
图像处理基本知识总结（二）
摘要：笔试题知识点 1、存储一副大小为1024×1024,256个灰度的图像，需要（8M）byte。 256是2的8次方，即8位，8个bit，1个字节；等于1024*1024*8 (bit)=8M(bit)。 2、对于彩色图像，通常用以区分颜色的特征是：（色调）（饱和度）（亮度）。 3、多年来建立了许多纹 阅读全文
posted @ 2018-08-03 21:39 深度机器学习 阅读(1597) 评论(0) 推荐(0) 编辑
图像处理检测方法 — ORB(Oriented FAST and Rotated BRIEF)
摘要：1、FAST FAST算子的基本原理是：若某像素点与其周围领域内足够多的连续的像素点存在某一属性差异，并且该差异大于指定阈值，则可以断定该像素点与其邻域像素有可被识别的不同之处，可以作为一个特征点（角点）；对于灰度图像，FAST算子考察的属性是像素与其邻域的灰度差异。 这个检查过程可以用下图更清楚的 阅读全文
posted @ 2018-08-01 20:56 深度机器学习 阅读(4788) 评论(0) 推荐(0) 编辑
图像处理检测方法 — SIFT和SURF
摘要：0、特征与匹配方法总结汇总对比 参考网址：http://simtalk.cn/2017/08/18/%E7%89%B9%E5%BE%81%E4%B8%8E%E5%8C%B9%E9%85%8D/#ORB （1）ORB：ORB特点就是计算速度快、节约了存储空间，但是它算法的质量较差而且没有解决尺度一致性 阅读全文
posted @ 2018-08-01 20:52 深度机器学习 阅读(4535) 评论(0) 推荐(0) 编辑
Linux 基本命令总结
摘要：0、平时自己用的命令 在跑一些程序，例如deep learning的时候，总是希望查看一下cpu、gpu、内存的使用率。 （1）cpu、内存情况：使用top命令； （2）查看gpu：使用 nvidia-smi 命令，但只显示一次，nvidia-smi -l：实时检测更新；watch -n 10 nv 阅读全文
posted @ 2018-07-25 17:28 深度机器学习 阅读(844) 评论(0) 推荐(0) 编辑
BAT系列（一）— CNN
摘要：1、CNN最成功的应用是在CV 那为什么NLP和Speech的很多问题也可以用CNN解出来？为什么AlphaGo里也用了CNN？这几个不相关的问题的相似性在哪里？CNN通过什么手段抓住了这个共性？ 以上几个不相关问题的相关性在于，都存在局部与整体的关系，由低层次的特征经过组合，组成高层次的特征，并且 阅读全文
posted @ 2018-07-14 21:49 深度机器学习 阅读(893) 评论(0) 推荐(0) 编辑
图像处理基本知识总结（一）
摘要：1、时域卷积=频域相乘 这种频域相乘的特性可以用于快速求一些特定函数的积分，因为『卷积』的本质是积分，而很多特定函数存在傅里叶变换和反变换，所以与其直接求解积分函数，不如把他们变换到频域，直接进行频谱函数『相乘』，然后再反变换回来，就得到积分结果了。 卷积核本质上是一个二维函数，有对应的频谱函数，因 阅读全文
posted @ 2018-07-13 22:56 深度机器学习 阅读(1537) 评论(0) 推荐(0) 编辑