2016年10月_荪荪

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【数学：线性代数】如何生动有趣的入门线性代数

转载：http://blog.csdn.net/u010751535/article/details/52856123#%E7%9F%A9%E9%98%B5%E4%B9%98%E6%B3%95已精通线性代数的朋友，不需要看这篇文章。写给那些不同专业又对人工智能感兴趣的同学们：我和别人不太一样，未来就业的恐惧和压力驱动不了我，能驱动我前进的只有精神动力。而自高中开始我

2016-10-31 15:44:20 7019

原创【深度学习：深度学习的基本理论与方法】概述（一）

一、概述深度学习：一种基于无监督学习特征学习和特征层次结构的学习方法。可能的名词：--深度学习--特征学习--无监督特征学习二、动机传统的模式识别方法：Low-level sensing --> Pre-processing --> Feature extract --> Feature selection --> Inference Prediction Reco

2016-10-26 12:59:44 5652

原创【目标检测】目标检测加速策略分析

转载：http://blog.sciencenet.cn/blog-261330-860305.html对目前常见的快速目标检测模型进行分析。部分模型将融入在14年三月发布的eagleeye的语法树目标检测模型中，敬请期待。众所周知sliding window策略是目标检测中的基本检测方式，我们需要遍历图像中的每个点以及以该点为起始点的不同大小的矩形窗口，然后依靠所采

2016-10-17 22:19:59 2490

原创【Bug】VS代码运行出现Stack overflow

问题：If there is a handler for this exception, the program may be safely continue解决方法：　在编有递归代码的VS、VC程序中可能会引起栈溢出错误，其实代码本身并没有出错，只是系统分配的栈内存不满足程序需要。　　错误提示如下：　　First-chance exception at 0x00AFE289

2016-10-17 21:11:25 5468

转载【目标检测】目标检测原理与实现(六)--基于形变部件模型（Deformable Part Models）的目标检测

转载：http://blog.csdn.net/marvin521/article/details/9244193基于形变部件模型（Deformable Part Models）的目标检测上节说了基于cascade的目标检测，cascade的级联思想可以快速抛弃没有目标的平滑窗（sliding window）,因而大大提高了检测效率，但也不是没缺点，缺点就是

2016-10-17 19:08:23 1728

转载【目标检测】目标检测原理与实现(五)--基于Cascade分类器的目标检测

转载：http://blog.csdn.net/marvin521/article/details/9173645基于Cascade分类器的目标检测从今天开始进入基于机器学习的目标检测，前几节虽然也接触了一些机器学习的方法，但它主要是做辅助工作，机器学习的方法和非机器学习的方法结合在一起使用，说到这想起来前几天看到一位博士师兄发的笑话，说的是百度实验室：

2016-10-17 19:06:31 6658

转载【目标检测】目标检测原理与实现(四)--基于ASM的目标检测

转载：http://blog.csdn.net/marvin521/article/details/9154685基于ASM的目标检测 ASM(Active Shape Model：主动形状模型)是Tim Cootes于1995年提出来的，其实是在1992年提交，1994年被接受，1995被发表的。ASM方法是通过寻找一系列匹配点来检测形状的方法，和单纯的基于s

2016-10-17 19:04:32 1792

转载【目标检测】目标检测原理与实现(二)--基于霍夫变换和广义霍夫变换的目标检测

转载：http://blog.csdn.net/marvin521/article/details/9071405基于霍夫变换和广义霍夫变换的目标检测上节讨论了基于阈值处理的目标检测，今天就来讨论下基于霍夫投票的目标检测，霍夫投票打算分成两个小节，第一个小节简单的说下霍夫变换和广义霍夫变换（generalized hough transfor

2016-10-17 19:01:52 5620 15

转载【目标检测】目标检测原理与实现(一)

转载：http://blog.csdn.net/marvin521/article/details/9058735基于阈值图像处理的目标检测从今天起开始要写一些关于目标检测的文章,涵盖从简单的阈值图像处理检测、霍夫变换（hough transform)检测、模版匹配检测（刚体匹配）、AAM+ASM+ACM（非刚体）匹配检测到近代机器学习方法检测，尽量贴一些代

2016-10-17 18:59:49 4216

转载【目标检测：Hough Forest】hough forest目标检测原理（一）

转载： http://www.cnblogs.com/walccott/p/4956860.html霍夫森林是随机森林和霍夫投票在计算机视觉中的应用，可以用在物体检测，跟踪和动作识别。09年cvpr上提出霍夫森林的文章——Class-Specific Hough Forests for Object Detection关于hough变换，请看我之前的一篇博客

2016-10-17 18:48:09 1499 1

原创【人脸检测：Haar】利用积分图像法快速计算Haar特征（二）

转载：http://blog.csdn.net/xiaowei_cqu/article/details/8219324由于Haar特征是矩形中黑色区域所有像素值的和减去白色区域所有像素值的和。在之前（《计算Haar特征个数》）我们看到，24*24的图片中，有115984个特征，远远大于其像素个数。如果计算每个特征的像素和，计算量会非常大，而且很多次运算是重复的。Paul Viola

2016-10-14 10:09:01 2399

转载【人脸检测：Haar】计算Haar特征个数（一）

转载：http://blog.csdn.net/xiaowei_cqu/article/details/8216109最早的Haar特征由Papageorgiou C.等提出（《A general framework for object detection》），后来Paul Viola和Michal Jones提出利用积分图像法快速计算Haar特征的方法（《Rapid object

2016-10-14 10:06:56 2951 1

原创【人脸检测】OpenCV中的Haar+Adaboost级联分类器分解（四）：利用并查集合并检测结果窗口

转载：http://blog.csdn.net/zy1034092330/article/details/49687487前一篇文章分析了OpenCV级联分类器结构，即“强分类器串联，弱分类器并联”，这一节我们来聊聊一些非常必要但是又容易人忽略的细节：如何利用并查集合并检测结果窗口。-------------------------------------------

2016-10-12 10:57:18 2648 1

原创【人脸检测】OpenCV中的Haar+Adaboost级联分类器分解（三）：级联分类器结构与XML文件含义

转载：http://blog.csdn.net/zy1034092330/article/details/48929881缩进前一篇文章分析了Haar特征，包括Haar特征生成、特征值计算和含义。这一篇则主要分析一下2个内容：缩进1.OpenCV中的Adaboost级联分类器的结构，包括强分类器和弱分类器的形式；缩进2. OpenCV自带的XML分类器中各项参数的含义

2016-10-12 10:53:28 1751

原创【人脸检测】OpenCV中的Haar+Adaboost级联分类器分解（一）：Haar特征介绍

转载：http://blog.csdn.net/zy1034092330/article/details/48850437缩进最近由于工作原因，需要研究OpenCV中的Adaboost级联分类器。我阅读了OpenCV中所有相关得代码，包括检测和训练部分，发现目前OpenCV中的Adaboost级联分类器代码有以下2个特点：1.OpenCV代码中的实际算法与Paul.Viol

2016-10-12 10:44:40 3977

转载【人脸检测】OpenCV中的Haar+Adaboost级联分类器分解（二）：积分图和45°旋转积分图

进前一篇文章分析了Haar特征，即通过“平移+放大”能够产生一系列数量巨大的Haar子特征，同时给出了Haar特征值计算公式。那么这就有一个问题：如何快速的计算出图像任意位置的某个Haar特征值？这就需要用到本节介绍的积分图。-------------------------------------------缩进以OpenCV自带的人脸分类器haarcascade_front

2016-10-12 10:27:23 1699

转载【机器学习】SVM学习（六）：将SVM用于多类分类

转载“”：http://blog.csdn.net/qll125596718/article/details/6911328 从 SVM的那几张图可以看出来，SVM是一种典型的两类分类器，即它只回答属于正类还是负类的问题。而现实中要解决的问题，往往是多类的问题（少部分例外，例如垃圾邮件过滤，就只需要确定“是”还是“不是”垃圾邮件），比如文本分类，比如数字识别。如何由两类分类器得到

2016-10-11 13:47:18 2165

转载【机器学习】SVM学习（五）：松弛变量与惩罚因子

转载：http://blog.csdn.net/qll125596718/article/details/69109211.松弛变量现在我们已经把一个本来线性不可分的文本分类问题，通过映射到高维空间而变成了线性可分的。就像下图这样：圆形和方形的点各有成千上万个（毕竟，这就是我们训练集中文档的数量嘛，当然很大了）。现在想象我们有另一个训

2016-10-11 13:05:35 6302

转载【机器学习】SVM学习（四）：为何需要核函数

转载：http://blog.csdn.net/qll125596718/article/details/6908480 生存？还是毁灭？——哈姆雷特可分？还是不可分？——支持向量机之前一直在讨论的线性分类器，只能对线性可分的样本做处理。如果提供的样本线性不可分，结果很简单，线性分类器的求解程序会无限循环，永远也解不出来。这必

2016-10-11 10:10:08 1726

转载【机器学习】SVM学习（三）：线性分类器的求解

转载：http://blog.csdn.net/qll125596718/article/details/69042891.问题的描述上节说到我们有了一个线性分类函数，也有了判断解优劣的标准——即有了优化的目标，这个目标就是最大化几何间隔，但是看过一些关于SVM的论文的人一定记得什么优化的目标是要最小化||w||这样的说法，这是怎么回事呢？回头再看看我们对间隔

2016-10-10 19:56:49 2929

转载【机器学习】SVM学习（二）：线性分类器

转载：http://blog.csdn.net/qll125596718/article/details/69039851.线性分类器概念线性分类器(一定意义上,也可以叫做感知机) 是最简单也很有效的分类器形式.在一个线性分类器中,可以看到SVM形成的思路,并接触很多SVM的核心概念。用一个二维空间里仅有两类样本的分类问题来举个小例子。如图所示：

2016-10-10 17:06:27 1788

转载【机器学习】SVM学习（一）：SVM概念

转载：http://blog.csdn.net/qll125596718/article/details/6900989支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。支持向量机方法是建立在统计学习理论

2016-10-10 16:29:49 1087

转载【机器学习基础概念】VC维的来龙去脉

转载：http://www.mamicode.com/info-detail-1148920.html原作者：vincentyao 原文链接： http://dataunion.org/14581.html目录：说说历史Hoeffding不等式Connection to Learning学习可行的两个核心条件Effective Number of

2016-10-10 15:50:23 5948 1

原创【机器学习基础概念】过拟合，交叉验证，VC维

过拟合概念理解：为了使分类器能够对训练数据进行完全正确的分类，而把分类器构造得过度精细复杂，使得训练数据稍微有改动，分类器就会失效。简单点理解就是，能够正确甚至百分百分类训练数据，对于测试数据却不能得到很好的结果。出现原因：出现这种现象的主要原因是训练数据中存在噪音或者训练数据太少交叉验证也称为循环估计，是将一个样本集，分割成两个子集，一个作为训练数据用，一

2016-10-10 15:45:49 1379

原创一些值得看看的博客链接

五岳 - 博客园 http://www.cnblogs.com/wuyuegb2312

2016-10-10 14:24:02 588

转载：http://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650719694&idx=1&sn=93c5aa0b6dd9cdb35c8b8186ce70afff&chksm=871b01b0b06c88a6ee9c3264e67b3e3256f007c4046fefb1d003f91ada71d00547f91b48ca21&mpshare=

2016-10-09 14:19:31 7042

转载【机器学习】基础机器学习算法

转载：http://mp.weixin.qq.com/s?__biz=MzIzOTU0NTQ0MA==&mid=2247483901&idx=1&sn=a998e14b66c41dfd8738b76b1bb0cac1本篇内容主要是面向机器学习初学者,介绍常见的机器学习算法，当然,欢迎同行交流。哲学要回答的基本问题是从哪里来、我是谁、到哪里去，寻找答案的过程或许可以借鉴机

2016-10-09 13:53:08 1162

转载【深度学习】深度学习和神经网络这项技术

转载：http://zhangtielei.com/posts/blog-neural-nets.html有一次，我和Vito（我的合伙人）聊起了当下热门的几种技术趋势。当谈及它们在未来可能的发展前景的时候，Vito说了下面的一段话：人工智能是个信息革命到蒸汽机规模之间的机会，相比之下虚拟现实应该是移动互联网级别的，而用户个性化服务应该是伴生规模的。如果人工智能技术

2016-10-09 13:50:02 3566

原创临时保存文件

http://blog.sina.com.cn/s/blog_b364631a0101iopy.htmlhttp://blog.csdn.net/zy1034092330/article/details/50383097

2016-10-08 16:02:33 778

原创球机和枪机的区别

球机和枪机的区别最明显的应该就是外形的区别，那么，球机和枪机还有什么深层次的区别呢？　　枪机即枪式摄像机，其监控位置固定，只能正对某监控位置，所以监控方位有限。枪机一般内置红外灯板，从而达到夜视的需求。具有防水功能的枪机室内外均可安装，但市场上有的枪机并不防水，这点很重要，在购买时要问清楚其枪机的防水性能。　　我们常说的球机即智能球摄像机，其集摄像机系统、变焦镜头、电子云台于一体，在稳定性

2016-10-08 09:40:08 46968

原创【Python学习笔记】

所以可能的模式大概有r、w、r+、w+、rb、wb、rb+、wb+、a、a+、ab、ab+，注意：只有w和a可以创建文件。通常情况下，文件都是以文本模式（text mode）打开的，也就是说，从文件中读写的是以一种特定的编码格式进行编码（默认的是 UTF-8）的字符串。如果文件以二进制模式（binary mode）打开，数据将以字节对象的形式进行读写：f = open('a

2016-10-08 09:06:32 661

原创【深度学习：目标检测】 faster rcnn RPN之anchor(generate_anchors)源码解析

转载：http://blog.csdn.net/xzzppp/article/details/52317863英文原文：faste rcnn。其中生成RPN(Regional proposal network)的Python代码解析本代码主要用于：生成尺度为：128,256,512; 宽高比为：1:2,1:1,2:1的anchor[python]view

2016-10-07 19:06:27 10249 1

原创【深度学习：目标检测】 py-faster-rcnn demo.py解析

转载：http://blog.csdn.net/xzzppp/article/details/52073107对py-faster-rcnn/tools/demo.py文件的解析：运行该文件：先cd进入到py-faster-rcnn根目录，再在命令后窗口输入: ./tools/demo.py --net myvgg 即可运行[python]vie

2016-10-07 19:04:44 5912

转载【深度学习：目标检测】 Face Detection with the Faster R-CNN（数据集标注对比研究报告）

转载：http://blog.csdn.net/xzzppp/article/details/520716141、简介 Faster R-CNN是R-CNN系列深度学习人脸检测最好的方法，mean average precision（mAP）达到73.2%，目标检测的速度可以达到每秒5帧。技术上将RPN网络和FastR-CNN网络结合到了一起，是一个CNN网络实现

2016-10-07 19:03:14 2767 1

转载【深度学习：目标检测】 py-faster-rcnn_caffemodel对人脸进行标注

转载：http://blog.csdn.net/xzzppp/article/details/52071546本程序在py-faster-rcnn/tools/demo.py的基础上进行修改程序功能：利用训练好的caffemodel，对人脸进行标注[python] view plain copy#!/usr/bin/env

2016-10-07 19:01:34 2672

转载【深度学习：目标检测】 py-faster-rcnn标注FDDB人脸便于其在FDDB上进行测试

转载：http://blog.csdn.net/xzzppp/article/details/52071460本程序是在py-faster-rcnn/tools/demo.py的基础上进行修改的程序功能：用训练好的caffemodel，对FDDB人脸进行标注，便于其在FDDB上进行测试[python] view plain copy

2016-10-07 18:59:38 2080

原创【深度学习：目标检测】RCNN学习笔记(0):rcnn简介

reference link:http://blog.csdn.NET/shenxiaolu1984/article/details/51066975Region CNN(RCNN)可以说是利用深度学习进行目标检测的开山之作。作者Ross Girshick多次在PASCAL VOC的目标检测竞赛中折桂，2010年更带领团队获得终身成就奖，如今供职于Facebook旗下的FAIR。

2016-10-06 19:04:30 1114

原创【深度学习：目标检测】 RCNN学习笔记(11):R-FCN: Object Detection via Region-based Fully Convolutional Networks

转自:http://blog.csdn.NET/shadow_guo/article/details/51767036作者代季峰1，14年毕业的清华博士到微软亚洲研究院的视觉计算组，CVPR 16 两篇一作的会议主持人同时公布了源码~21. 简介物体检测的深度网络按感兴趣区域 (RoI) 池化层分为两大主流：共享计算的全卷积子网络 (每个子网络与 RoI 无关) 和不

2016-10-06 19:01:15 3693

转载【深度学习：目标检测】RCNN学习笔记(10)：SSD:Single Shot MultiBox Detector

之前一直想总结下SSD，奈何时间缘故一直没有整理，在我的认知当中，SSD是对Faster RCNN RPN这一独特步骤的延伸与整合。总而言之，在思考于RPN进行2-class分类的时候，能否借鉴YOLO并简化faster rcnn在21分类同时整合faster rcnn中anchor boxes实现multi-scale的思想而设计出了SSD，这篇blog关于SSD的细节方面整理的很好，以供参考。

2016-10-06 19:00:10 45451 8

转载【深度学习：目标检测】RCNN学习笔记(9):OverFeat:Integrated Recognition, Localization and Detection using Convolution

转载：http://blog.csdn.net/u011534057/article/details/51274907Reference link: http://blog.csdn.NET/whiteinblue/article/details/43374195https://www.zybuluo.com/coolwyj/note/203086#1-classificati

2016-10-06 18:58:54 2973 1

TensorRT-CenterNet.zip

TensorRT centerNet 检测部署资源

2021-12-14

PersonTrack.zip

yolo人体检查，deepsort实现人员跟踪

2021-12-14

pytorch_arm_aarch64_builds-master.zip

aarch64 wheels for pytorch

2021-12-14

yolov3_demo.zip

在TB-RK3399Pro运行yolov3实现目标检测的示例代码，大家可以在这上面继续优化，实现更好的效果。代码中有python,C

2020-10-20

python全栈（一）网络通信与服务器之http协议、http服务器-并发服务器的配套html补充

python全栈（一）网络通信与服务器之http协议、http服务器-并发服务器的配套html补充，仅供学习使用，对应的博客链接https://blog.csdn.net/SMF0504/article/details/109045505

2020-10-14

python全栈（一）网络通信与服务器之http协议、http服务器-并发服务器的配套html

python全栈（一）网络通信与服务器之http协议、http服务器-并发服务器的配套html，仅供学习使用，对应的博客链接https://blog.csdn.net/SMF0504/article/details/109045505

2020-10-14

pytorch_1.5.1_cpu.rar

深度学习框架，cpu版本的pytorch，在python3.6+ pytorch1.5.1 cpu_torcvision0.6.1

2020-07-30

pytorch1.2.0.rar

深度学习框架，gpu版本的pytorch，在python3.5+ cuda10.0 + cudnn7.6+pytorch1.2.0 gpu_torcvision0.4.0

2020-07-30

精简的opencv4的库libopencv_world.so

用于o海思35XX系列开发板，只要安装的交叉编译器arm-himix200-linux，都适用，这是精简之后的opencv4的库，将其放置到开发板lib目录下，省去了添加opencv路径的麻烦，前提条件是你的开发板的存储空间比较大

2020-04-04

opencv4交叉编译好的库.rar

用于o海思35XX系列开发板，只要安装的交叉编译器arm-himix200-linux，都适用，注意移到开发板/mnt/mtd目录下，并注意用软连接的方式连接到开发板lib下的方式添加opencv路径

2020-04-04

VMware-workstation-full-15.5.0-安装软件.rar

VMware-workstation-full-15.5.0-安装软件，虚拟机（Virtual Machine）指通过软件模拟的具有完整硬件系统功能的、运行在一个完全隔离环境中的完整计算机系统。虚拟系统通过生成现有操作系统的全新虚拟镜像，它具有真实windows系统完全一样的功能，进入虚拟系统后，所有操作都是在这个全新的独立的虚拟系统里面进行，可以独立安装运行软件，保存数据，拥有自己的独立桌面，不会对真正的系统产生任何影响，而且具有能够在现有系统与虚拟镜像之间灵活切换的一类操作系统。

2020-03-24

Linux Makefile工程实战教程.zip

该教程介绍Linux环境下开发软件编译Makefile的基础知识、项目构建、一步一步从零开始写一个模拟MP3项目的Makefile。

2020-01-19

一学就会——vim高级教程为c、c++量身定制vim.ppt

vim的高级教程，也是《嵌入式linux应用软件工程师》的提高教程。专门为c/c++语言量身定制了vim，安装各种各样的插件，提高编写代码的效率。安装插件只需要执行一个命令即可，简单方便，快速上升。插件装完后，熟悉各种各样插件的用法即可——包你一学就会。注意：该教程仅适用于c/c++开发人员，不适合其他语言的

2020-01-13