2018年01月_haima1998

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

转载 android8.0 画中画功能

转自：https://developer.android.com/about/versions/oreo/android-8.0.htmlhttps://sspai.com/post/40569https://www.digitaltrends.com/mobile/how-to-use-picture-in-picture-mode-in-android-8-oreo/画

2018-01-23 17:07:26 6546

转载 caffe中Reshape层

转自：http://blog.csdn.net/wfei101/article/details/78449428Reshape层：(改变blob的形状，N,C,W,H)[cpp] view plain copy print?layer { name: "reshape" type: "Reshape" bottom: "input" top: "output

2018-01-18 17:30:54 6695

转自：https://baike.baidu.com/item/%E6%AD%A3%E6%80%81%E5%88%86%E5%B8%83正态分布（Normal distribution），也称“常态分布”，又名高斯分布（Gaussian distribution），最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。

2018-01-18 15:42:02 16616

转载深度学习 -> 强化学习 ->迁移学习（杨强教授报告）

转自：http://blog.csdn.net/jiandanjinxin/article/details/54133521李宏毅机器学习课程－Transfer Learning 深度学习 -> 强化学习 ->迁移学习（杨强教授报告)链接: http://pan.baidu.com/s/1nu6DMRn 密码: an9q 深度学习的局限表达能力的限制。因为一个模型毕竟是一种现实的反映，等于是现实的

2018-01-18 13:56:52 505

转载语音识别研究的四大前沿方向

以下转自：http://blog.csdn.net/whaoxysh/article/details/19402337“ 鸡尾酒会问题”（cocktail party problem）是在计算机语音识别领域的一个问题。当前语音识别技术已经可以以较高精度识别一个人所讲的话，但是当说话的人数为两人或者多人时，语音识别率就会极大的降低，这一难题被称为鸡尾酒会问题。解决方案斯坦福大学的Andrew N

2018-01-18 11:50:03 21462

转载声音均衡器

以下转自：https://baike.baidu.com/item/%E5%A3%B0%E9%9F%B3%E5%9D%87%E8%A1%A1%E5%99%A8/10907330?fr=aladdin均衡器是一种可以分别调节各种频率成分电信号放大量的电子设备，通过对各种不同频率的电信号的调节来补偿扬声器和声场的缺陷，补偿和修饰各种声源及其它特殊作用，一般调音台上的均衡器仅能对高频、中频、低频三段频率

2018-01-18 10:33:07 4156

转载全卷积网络 FCN 详解

转自：https://zhuanlan.zhihu.com/p/30195134CNN能够对图片进行分类，可是怎么样才能识别图片中特定部分的物体，在2015年之前还是一个世界难题。神经网络大神Jonathan Long发表了《Fully Convolutional Networks for Semantic Segmentation》在图像语义分割挖了一个坑，于是无穷无尽的人往坑里面跳

2018-01-17 17:39:20 402

转载在Caffe中使用Python Layer

转自：http://blog.csdn.net/liuheng0111/article/details/53090473http://blog.csdn.net/thesby/article/details/51264439Caffe通过Boost中的Boost.Python模块来支持使用Python定义Layer：使用C++增加新的Layer繁琐、耗时而且很容易出

2018-01-15 16:35:54 2398

转载目标检测之YOLO，SSD

转自：http://lanbing510.info/2017/08/28/YOLO-SSD.html在深度学习出现之前，传统的目标检测方法大概分为区域选择（滑窗）、特征提取（SIFT、HOG等）、分类器（SVM、Adaboost等）三个部分，其主要问题有两方面：一方面滑窗选择策略没有针对性、时间复杂度高，窗口冗余；另一方面手工设计的特征鲁棒性较差。自深度学习出现之后，目标检测取得了巨大

2018-01-11 16:47:22 22604

转载梯度下降（Gradient Descent）小结

梯度下降的实例代码：https://github.com/mattnedrich/GradientDescentExample以下转自：https://www.cnblogs.com/pinard/p/5970503.html　在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降（Gradient Descent）是最常采用的方法之一，另一种常用的方法是最小二

2018-01-10 11:00:50 258

转载卷积神经网络系列之softmax，softmax loss和cross entropy的讲解

转自：http://blog.csdn.net/u014380165/article/details/77284921我们知道卷积神经网络（CNN）在图像领域的应用已经非常广泛了，一般一个CNN网络主要包含卷积层，池化层（pooling），全连接层，损失层等。虽然现在已经开源了很多深度学习框架（比如MxNet，Caffe等），训练一个模型变得非常简单，但是你对这些层具体是怎么实现的了解

2018-01-09 15:42:03 527

转载 softmax函数作用

转自：https://www.jianshu.com/p/ffa51250ba2e这几天学习了一下softmax激活函数，以及它的梯度求导过程，整理一下便于分享和交流！softmax函数softmax用于多分类过程中，它将多个神经元的输出，映射到（0,1）区间内，可以看成概率来理解，从而来进行多分类！假设我们有一个数组，V，Vi表示V中的第i个元素，那么这个元素的softmax值就是

2018-01-03 19:31:53 724

转载 Caffe源码导读

转自：https://ymgd.github.io/codereader/2016/10/20/caffe_sourcecode_analysis/1.前言目前的图像和自然语言处理很多地方用到了神经网络/深度学习相关的知识，神奇的效果让广大身处IT一线的程序猿GG们跃跃欲试，不过看到深度学习相关一大串公式之后头皮发麻，又大有放弃的想法。从工业使用的角度来说，不打算做

2018-01-02 11:17:42 4987

学习opencv 包含源码

2018-10-03

电视4:3和16:9

电视分辨率电视4:3和16:9

2016-08-07

PPT时间轴大全

2016-03-17

MPEG相关规范

MPEG相关规范. zip

2016-01-03

H264/H265规范

H264/H265规范. zip

2016-01-03

mp4 解析查看工具

mp4 parse

2015-12-19

IDA Pro权威指南 part2

2014-07-27

IDA Pro 权威指南

2014-07-25

smali2.0.3 android反编译

转自：http://download.csdn.net/download/fflycn/7469529 java -jar baksmali-2.0.3.jar -x android.odex java -jar smali-2.0.3.jar out -o classes.dex /////////// android 合并apk和odex文件前提：正确安装JDK和配置环境变量需要这个apk所在的rom里面的一些jar文件，都在/system/framework里面：core.jar, ext. jar, framework. jar, android.policy. jar, services. Jar。当然，这五个是最基本的，有可能还不够，这种情况下面会讲到。总共分四步： 1．把下载好的smali-2.0.3.jar 和baksmali-2.0.3.jar ，还有rom里面抠出来的5个jar，放到工作目录，然后apk和odex也放到一起。 2．分解odex文件为class文件。将smali-2.0.3.jar 和baksmali-2.0.3.jar放在d：\odex文件夹下命令：键入 d：回车键入cd odex 回车 java -jar baksmali-2.0.3.jar -x a.odex \\a.odex喂odex文件的文件名在键入命令前务必正确安装JDK和配置环境变量 <a.odex>处是你要分解的odex文件的名字，命令完成之后，会生成一个out文件夹，里面就是所有的class文件。如果出现问题，比如什么异常，缺少包什么的，就更到rom里面把出错信息里面要求的包拿出来，放到当前目录下。 3．将class生成为classes.dex文件。命令：java -Xmx512M -jar smali-2.0.3.jar out -o classes.dex 4．把classes.dex放入apk里面。

2014-07-08

android http server

转载咪当我系欧巴代码，原始链接在http://download.csdn.net/detail/hellogv/4047134

2014-06-26

git权威指南

2014-05-25

Android内核剖析柯元旦

2014-05-15

Android软件安全与逆向分析

第2章如何分析Android程序（反编译APK文件、分析APK文件、修改Smali文件代码、重新编译APK文件并签名）第3章进入Android Dalvik虚拟机（Dalvik虚拟机与Java虚拟机的区别、DEX文件反汇编工具、编写smali文件、编译smali文件）第4章 Android可执行文件（Android程序的生成步骤、如何生成odex文件、dex文件的验证与优化工具dexopt的工作过程）第5章静态分析Android程序（反编译apk程序、定位关键代码——使用IDA Pro进行破解的实例、恶意软件分析工具包——Androguard、使用dex2jar生成jar文件、使用jd-gui查看jar文件的源码、集成分析环境——santoku）第6章基于Android的ARM汇编语言基础——逆向原生第7章 Android NDK程序逆向分析第8章动态调试Android程序第9章 Android软件的破解技术第10章 Android程序的反破解技术第11章 Android系统攻击与防范第12章 DroidKongFu变种病毒实例分析

2014-04-22