11 2018 档案
摘要：内联函数，关键字inline，放在函数最前面修饰。 宏函数，预处理器处理，进行简单的文本替换，没有任何编译过程。
阅读全文
摘要：1、C++中命名空间的作用 变量或数据类型重名时，可以定义不同命名空间（作用域），然后再引用变量或数据类型。 namespace spaceA{ int abc； } 可以这样引用变量spaceA::abc，using spaceA::abc，using namespace spaceA。 2、C语
阅读全文
摘要：彩色图像转为灰度图像： 1.三个颜色通道像素值加和取均值（B+G+R）/3； 2.三个通道按照公式：r*0.299+g*0.587+b*0.114 计算效率：定点大于浮点，+- > */，移位（左移<<为乘，右移>>为除）大于乘除，所以算法优化如下图： 注：浮点型转成整型会存在误差，右图为实现马赛克
阅读全文
摘要：一、C语言的常量是可以通过地址进行修改的；而C++的常量是不可修改的，且在定义的时候必须初始化！ 可引用常量的地址，但只是临时地址： const int a = 10 ; int *b = (int*)&a ; //开辟临时地址给a，实际并不能访问a的地址，它在符号表中，不可修改 宏是在预编译阶段（
阅读全文
摘要：一、概念 dilate（膨胀）： 取所操作区域的最大值代替中心像素值（锚点），算子的移动与卷积操作相同。 erode（腐蚀）： 取所操作区域的最小值代替中心像素值（锚点）。 形态学梯度：morphology gradient，膨胀减去腐蚀。 开操作：先腐蚀再膨胀 闭操作：先膨胀再腐蚀 顶帽：toph
阅读全文
摘要：说明： 在破解软件时，需要修改系统的hosts文件，但有的系统该文件所在的文件夹不可见，即使设置成隐藏可见， 还是不可见该文件。 遇到该种情况，可以通过CMD命令符打开hosts文件进行修改。 在我个人使用Idea软件破解时、sublime软件破解时，finalshell修改主机映射时，均遇到该问题
阅读全文
摘要：深度学习框架Caffe: 神奇且强大的Caffe： 在GitHub上有一个小社区：Model Zoo Caffe官网： 可以通过Caffe官网的实例进行Caffe学习的快速入门。
阅读全文
摘要：Data Augmentation 水平翻转（horizontal flips），镜像操作，是数据增强的常用操作； 随机裁剪（实际要检测的部分可能是被遮蔽的、或者光线强度不同、姿势不同等，所以训练时采用裁剪某个大小进行训练） 随机大小（大小变换，图像进行放大和缩小，不同大小的也要做随机的裁剪）。 其
阅读全文
摘要：location 对输入图像定位，找到盒子坐标（x,y,w,h)；Clssificaion and Location的最后一层是的特征做两件事，一个是分类，一个是定位。 训练时使用已有的模型，也就是最后一层全联接之前所有的参数都用已有模型的，然后在这个基础上进行微调（fine tune），使其向着想
阅读全文
摘要：一、递归神经网络RNN 实际属于输入之间可能是存在联系的，所以在多次输入x0、x1........中，每次的中间信息A（也称为机器单元）都保存下来传给下次输入的中间信息A，每次输入的计算结果h0、h1......不一定是目标结果可以不使用，只有最终的ht是想要的预测结果。 递归神经网络适合自然语言处
阅读全文
摘要：一、下载VS2017社区版 该版本可免费使用 二、OpenCV3.4.1下载及安装 1、下载地址：https://i.cnblogs.com/EditPosts.aspx?opt=1，Download下选择“win pack”版； 2、将下载的opencv-3.4.1-vc14_vc15.exe右键
阅读全文
摘要：卷积层和池化层 与神经网络相比，卷积神经网络多了卷积层和池化层，基本顺序为data-conv-ReLU-Pooling-FC（全联接层）-s 一、卷积神经网络的权重共享 经典神经网络：全连接，即每个神经元都与每一个数据有对应的参数； 卷积神经网络是权重共享的，就是得到的特征图的每个像素点都是原图的一
阅读全文
摘要：一、激活函数 线性操作分类能力不强，而非线性表达可以分开数据。 神经网络中隐层就是增加了激活函数，使得神经网络表达出更强大的效果。 Sigmoid可作为激活函数，但容易引起梯度消失（导数趋近于0）。 max（0，x）就是ReLU激活函数，可以解决梯度消失问题，导数简单，已经常用的神经网络激活函数。
阅读全文
