&~&-CSDN博客

原创日常刷题-13

看着击败越来越多好上头呀，题不难class Solution {public: bool checkRecord(string s) { int A_count = 0, L_count = 0; int i = 0; while(s[i]!='\0') { if(s[i] == 'A') A_count++; else if(s[i] == 'L

2021-08-17 08:36:45 258

主要实现人脸表情识别设置类参数ExpressionRecognitionSettingFaceCsvPath = "D:/Code/Python/data/FaceExpression/data.csv"ModelSavePath = "D:/Code/Python/module/ExpressionRecognition.h5"数据预处理主要功能：读取图像，并将图像数据和标签分别存储在不同的两个文件中ExpressionRecognitionFormatConversion'''th

2021-03-16 09:37:51 468 2

原创神经网络风格迁移

原理结构示意图：总损失=内容损失+风格损失将图a的style loss 和图p的content loss 组合起来，最小化total loss function求得xLtotal(p→ ,a→ ,x→ )=αLcontent(p→,x→)+βLstyle(a →,x→){L_{total}}(\overrightarrow {\rm{p}} \;,\overrightarrow a \;,\overrightarrow x \;) = \alpha {L_{content}}(\ov

2021-03-16 09:29:33 1375 3

原创日常刷题12-把字符串转换成整数

class Solution {public: int strToInt(string str) { long int sum = 0; int i,signal = 1;//负 //判断第一个非空字符 for(i = 0;i < str.size();++i) { if(str[i] == ' ') continue; .

2021-03-13 10:32:34 203

原创日常刷题11-爬楼梯

class Solution {public: int climbStairs(int n) { int i,p,q; if(n < 3) return n; p = 1; q = 2; for(i = 3;i<=n;++i) { q = p + q; p = q - p; } .

2021-03-08 20:23:01 142

原创日常刷题10-下一个更大元素||

需求class Solution {public: vector<int> nextGreaterElements(vector<int>& nums) { vector<int>ret(nums.size(),0); int signal;//标志 int i,j;//循环 for(i = 0; i < nums.size(); ++i) {

2021-03-06 09:23:08 149

原创日常刷题9-相同的树

class Solution {public: bool isSameTree(TreeNode* p, TreeNode* q) { if(p==nullptr && q==nullptr) return true; else if(p==nullptr || q==nullptr) return false; else if(p->val != q->val).

2021-03-02 21:20:48 139

原创日常刷题8- 重塑矩阵

class Solution {public: vector<vector<int>> matrixReshape(vector<vector<int>>& nums, int r, int c) { int i; int m = nums.size(); int n = nums[0].size(); int len = m*n; if(len !=.

2021-02-17 09:47:53 150

原创日常刷题8-数组拆分

思路：先将数组排序，然后取奇位便可class Solution {public: int arrayPairSum(vector<int>& nums) { int i; int ret = 0; sort(nums.begin(), nums.end()); for(i = 0;i < nums.size();i+=2) ret += nums[i]; .

2021-02-16 09:17:58 187

原创日常刷题7-和为s的两个数字

需求思路：很明显的双指针class Solution {public: vector<int> twoSum(vector<int>& nums, int target) { int i = 0, j = nums.size()-1; int sum = 0; while(i<j) { sum = nums[i] + nums[j]; if(su

2021-02-14 10:36:57 117

原创日常刷题6-统计一个数字在排序数组中出现的次数

需求，思路，由于数组是排序的，因此首要任务是先找到target采用二分查找class Solution {public: int search(vector<int>& nums, int target) { if (nums.empty()) return 0; int l = 0, r = nums.size() - 1, res = 0; while (l < r) {

2021-02-07 14:41:31 141

原创日常刷题5-子数组最大平均数

题目需求很明显最简单的方式便是采用滑动窗口的方式，计算k个窗口的和，然后随着 i 的移动，加上nums[i]，再减去nums[i - k]，将sum与maxsum比较即可；流程展示：代码实现class Solution {public: double findMaxAverage(vector<int>& nums, int k) { int i; int maxsum = 0, sum = 0;

2021-02-04 15:53:23 164

原创日常刷题 4

class Solution {public: int min(int a,int b,int c) { if(a<=b&&a<=c) return a; else if(b<=a&&b<=c) return b; else return c; } int nthUglyNumber(int n) .

2020-12-30 11:31:43 154

原创日常刷题3

class Solution {public: int minArray(vector<int>& numbers) { int i; for(i = 0;i<numbers.size();++i) { if(i == numbers.size()-1) break; if(numbers[i+1]<numbers[i]) .

2020-12-30 09:22:06 124

原创日常刷题2

class Solution {public: int lastStoneWeight(vector<int>& stones) { if(stones.size()<=0) return 0; if(stones.size() == 1) return stones[0]; int arr[1001] = {0}; for(int i=0;i &..

2020-12-30 09:04:33 125

原创日常刷题1

题目思路：①由于字符串中只存在小写字符，则创建一个长度为26的数组保存每个字符出现的个数②遍历字符串s，与计数数组进行比较，寻找第一个出现在字符串s中且计数为1的字符，返回其下表否则，返回-1class Solution {public: int firstUniqChar(string s) { int i = 0; int *arr = new int[26](); while(s[i]!='\0') {

2020-12-23 20:57:22 210

原创比较经典的排序算法--C++实现

不过多解释，桶排序及堆排序还是有点难顶！测试代码#include <iostream>#include"opencv.hpp"#include"sort.h"using namespace std;using namespace cv;int main(){ int arr[10] = {3,6,5,4,8,9,7,8,2,3}; BucketSort(arr,10); ShowArraySort(arr, 10); waitKey(0); return 0;}

2020-12-04 20:18:07 118

原创 HOG算法复现

本博客纯粹用于记录学习过程中的error，若有好的想法或者对于程序某处有错误的，欢迎指点！谢谢本文主要是了解一下HOG算法的执行机理，代码不一定正确，但是编译通过了，没有联合SVM进行测试，主要是还不会，若有后续，会测试一下。我写了个图像的基本的一些处理的库，本程序中有些代码可能没给出来，基本都在那个库里，或许是挺简单的或者是之前的博客有，如果没有，就自己写吧，哈哈哈1、HOG特征：方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处

2020-12-03 17:35:05 502

原创图片的直方图均衡化

功能，实现图片的直方图均衡化左上为原图灰度化，右上为原图的直方图左下为均衡化后的图，右下为均衡化后的直方图总结：感觉聊过不怎么样。。。int main(){ int *arr = new int[256](); Mat image = imread("D:/Code/C++/Practice/Pronucination/test/123.jpg"); Mat shuzu1,shuzu2; cout << image.channels() << en

2020-11-27 20:43:08 651

原创 VGG模型用于训练cifar数据集

VGG模型用于训练cifar数据集结果读取数据import pickleimport numpy as npdef load_cifar10_batch(cifar10_dataset_folder_path, batch_id): with open(cifar10_dataset_folder_path + '/data_batch_' + str(batch_id), mode='rb') as file: batch = pickle.load(file, en

2020-11-26 14:35:06 750

转载迁移学习

迁移学习概述背景随着越来越多的机器学习应用场景的出现，而现有表现比较好的监督学习需要大量的标注数据，标注数据是一项枯燥无味且花费巨大的任务，所以迁移学习受到越来越多的关注。传统机器学习(主要指监督学习) 基于同分布假设需要大量标注数据然而实际使用过程中不同数据集可能存在一些问题，比如数据分布差异标注数据过期训练数据过期，也就是好不容易标定的数据要被丢弃，有些应用中数据是分布随着时间推移会有变化如何充分利用之前标注好的数据（废物利用），同时又保证在新的任务上的模型精度？基于这样的问题

2020-11-12 09:22:23 887

原创调用yolo3模型对摄像头中获取的视频进行目标检测

把别人训练好的yolo3模型的权重，调过来看看import numpy as npimport cv2 as cvimport osimport timepath = 'D:/Code/Python/YOLO3'weightsPath = os.path.join(path, 'yolov3.weights') # 权重文件configPath = os.path.join(path, 'yolov3.cfg') # 配置文件labelsPath = os.path.join(path

2020-11-11 11:18:09 1723 2

原创实现图像以任意角度旋转

实现图像以任意角度旋转void ImgRotate(cv::Mat imgIn, float theta, cv::Mat & imgOut) { int oldWidth = imgIn.cols; int oldHeight = imgIn.rows; //角度变换 theta = (theta * 3.14159265) / (180 * 0.1); // 源图四个角的坐标（以图像中心为坐标系原点）

2020-09-22 11:05:51 634

原创实现任意改变图像尺寸--双线插值法

实现任意改变图像尺寸–双线插值法 //输入：图像 //输出：指定的图像尺寸 change_ysize==rows;change_xsize==cols Mat Change_Size(Mat image,int change_ysize, int change_xsize) { float xscale = (change_xsize * 1.0)/(image.cols * 1.0); float yscale = (change_ysize *

2020-09-21 08:56:46 314

原创获取摄像头的视频，并且灰度化

获取摄像头的视频，并且不用opencv函数灰度化using namespace std;using namespace cv;int main(int argc, char** argv){ int row, col; float red = 0.299; float blue = 0.587; float green = 0.114; int i, j; VideoCapture capture(0); while (1) ...

2020-09-20 09:54:58 193

原创神经网络防止过拟合的8种优化方法

1、取更多的数据。最直观有效的方法，有了足够的数据网络也不太容易过拟合。2、数据增强。复制现有数据并加随机噪声，重采样等，在图像领域我们可以进行不同角度旋转，平移变换，随机裁剪，中心裁剪，模糊等。3、参数正则化（权值衰减）在损失和模型复杂度之间进行折中，可以采用L1和L2，其中L1采用的是拉普拉斯先验，倾向于聚焦网络的权值在相对少量的高重要连接上，而其他权重就会趋向于0，而L2正则采用的是高斯先验。4、Dropout它不改变网络本身，而是随机地删除网络中的一般隐藏的神经元，并且让输入层和输出层的

2020-09-10 20:19:14 2927

原创 Logic Regression----MATLAB实现

function logic_regression()x = rand(300,2);%%500行 3列y = zeros(size(x,1),1);[row,col] = size(x);for i = 1:row sum = 0; for j = 1:col sum = sum + x(i,j); end if(sum >= 1) y(i,1) = 1; else y(i,1)...

2020-08-23 08:36:08 300

转载 SITF算法详解---特详细版

写的太好了，转载至：https://blog.csdn.net/zddmail/article/details/7521424参考资料1、David G.Lowe Distinctive Image Features from Scale-Invariant Keypoints. January 5, 2004.2、David G.Lowe Object Recognition from Local Scale-Inva...

2020-08-15 21:30:20 1634

原创 model.compile()函数

model.compile()函数model.compile (optimizer=Adam(lr=1e-4), loss=’binary_crossentropy’, metrics=[‘accuracy’])optimizer：优化器，如Adamloss：计算损失，这里用的是交叉熵损失metrics: 列表，包含评估模型在训练和测试时的性能的指标，典型用法是metrics=[‘accuracy’]。如果要在多输出模型中为不同的输出指定不同的指标，可向该参数传递一个字典，例如metrics={‘o

2020-08-15 11:14:47 5278 3

空空如也

空空如也