02 2020 档案
摘要：一、GCC编译选项解析 1. 常用的编译选项 命令格式： gcc [选项] [文件名] -E：仅执行编译预处理； -S：将C代码转换为汇编代码； -c：仅执行编译操作，不进行连接操作； -o：指定生成的输出文件。 2. gcc编译的四个阶段 1) 将hello.c预处理输出hello.i文件 gcc
阅读全文
摘要：1. 源文件 存放程序代码的文件，即我们编辑代码的文件，称为源代码文件。 C语音源程序文件的扩展名为“.c”。源代码文件是相对目标文件和可执行文件而言的 一般使用高级语言写出来的。 2. 目标文件 源代码经过编译所得到的二进制代码，称为目标文件。 目标文件的扩展名为‘.obj’(Windows)或“
阅读全文
摘要：基于空间域纹理描述 1. 统计法纹理描述 通过衡量纹理图像的像素灰度值及其邻域的灰度相关性来获得纹理区域的统计特征 ；灰度值和灰度相关性分别属于一阶统计特征和高阶统计特征。 1） 一阶统计特征 一阶统计特征包括均值、方差等，这些特征可以大致的描述图像的灰度值分布，而不考虑像素之间的邻域关系 2）高阶
阅读全文
摘要：1. 基于图像质量特征分析的大致流程如下，主要围绕：镜面反射特征（Specular reflection feature）/模糊特征（Blurriness feature）/ 色矩特征（Chromatic moment feature）/ 颜色多样性特征（Color diversity featur
阅读全文
摘要：1. 活体相关文献综述调研 参考：https://blog.csdn.net/CVAIDL/article/details/84567319 2. 基于LBP纹理特征的检测 1） 基于LBP_256特征提取（基本的256维LBP特征向量） 401*401 RGB图片->灰度化-> 计算得到400*4
阅读全文
摘要：1. yolov1的识别原理 参考：https://blog.csdn.net/u010712012/article/details/85116365 https://blog.csdn.net/gbyy42299/article/details/88869766 2. yolov2的识别原理 参考
阅读全文
摘要：基于候选区域的目标检测器 1. 滑动窗口检测器 根据滑动窗口从图像中剪切图像块-->将剪切的图像块warp成固定大小-->cnn网络提取特征-->SVM和regressor进行分类和回归定位 选择性搜索 2. R-CNN R-CNN 利用候选区域方法创建了约 2000 个 ROI --> 将每个RO
阅读全文
摘要：1. 传统的目标检测框架，主要包括三个步骤：（1）利用不同尺寸的滑动窗口框住图中的某一部分作为候选区域；（2）提取候选区域相关的视觉特征。比如人脸检测常用的Harr特征；行人检测和普通目标检测常用的HOG特征等；（3）利用分类器进行识别，比如常用的SVM模型； 2. 目标检测领域的深度学习方法主要分
阅读全文
摘要：计算机视觉的三大分类任务：图像分类、目标检测、图像分割； 1. 图像分类（Classification），即是将图像结构化为某一类别的信息，用事先确定好的类别(category)或实例ID来描述图片。 2. 目标检测（Detection）。分类任务关心整体，给出的是整张图片的内容描述，而检测则关注特
阅读全文
摘要：假设有20类，2000个建议框，最后输出向量维数2000*20，则每列对应一类，一行是各个建议框的得分，NMS算法步骤如下： ① 对2000×20维矩阵中每列按从大到小进行排序； ② 从每列最大的得分建议框开始，分别与该列后面的得分建议框进行IoU计算，若IoU>阈值，则剔除得分较小的建议框，否则认
阅读全文
摘要：示例： 维度非常高（1000多维度），并且每个维度都很重要，数据量很少，是调查结果，只有近万份，数据是很稀疏的，基本上是连续值。 在这种情况下，如何选择模型？为什么？ 1. 尝试用线性分类器，比如SVM、LR等，看训练误差和测试误差的差异，这个时候可能出现多种情况： 1) 如果训练误差远小于测试误差
阅读全文
摘要：参考：https://www.jianshu.com/p/4bad38fe07e6
阅读全文