- 博客(9)
- 收藏
- 关注
原创 秋招面试问题总结1--基础知识
贡献一些自己总结(搬运)的资料,参考了很多其他同学的分享。算法和数据结构 数组、链表、二叉树、队列、栈的各种操作(性能,场景) 二分查找和各种变种的二分查找 各类排序算法以及复杂度分析(快排、归并、堆) 各类算法题(手写) 理解并可以分析时间和空间复杂度。 动态规划(笔试回回有。。)、贪心。 红黑树、AVL树、Hash树、Tire树、B树、B+树。 图算法(比较少...
2019-03-11 10:26:37
260
原创 每天学一点图像处理--位深度
当查看图像的时候,除了长和宽 还有位深度。位深度的含义就是 用多少位(bit)来表示来表示一个像素(可以理解为图像上的一个点)当图像是灰度图时,像素点的范围是0-255 那么用8位表示就足够了,因此位深度是8;如果是彩色图就是24位(RGB)但有时,我们看到Mat格式的图像,位深度是16等因为Mat是按照矩阵来存储图像的,一个点的取值范围可能很大,需要16位来表示,因此位的深度是
2018-01-09 10:23:44
7530
2
原创 C++调用tensorflow 训练好的模型
分享给大家,希望可以帮助到大家. 我看到有些说只能安装32位的py,我开始也是这样的,但是安装TensorFlow做测试的时候,就一直有问题,所以呀,我就换成了ananconda 安装这个网上一大堆,自己可以好好看看哦! 然后就是新建一个C++的工程 1.把ananconda的减压后,将里面的inlcude和libs两个文件夹拷贝到sln的同一级目录下 2....
2017-10-25 16:24:09
15328
46
原创 卷积神经网络
卷积神经网络注:1.对二维图像的滤波操作可以写成卷积 2.神经元的激活:我们要识别图像中的某种特定曲线,这个滤波器要对这种曲线有很高的输出,对其他形状则输出很低3.在训练卷积审计网络的某一个卷积层时,实际上是在训练一系列的滤波器4. 卷积神经网络的第一个卷积层的滤波器用来检测低阶特征,比如边、角、曲线等,随着卷积层的增加,对应滤波器检测的特征就更加复杂,第二个卷积层的输入
2017-10-17 18:14:17
1156
原创 windows+tensorflow+fasterRcnn---3
下面就是用别人的框架训练自己的数据了(1) 依旧是在源码 https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3.5的基础之上进行改进(2) 准备数据集:需要:在masteràdata 下创建一个自己的存放数据的文件夹,如:VOCdevkit2007在该文件夹下:a. 创建文件夹An
2017-08-31 17:28:51
8706
19
原创 RCNN +SPP+fast-RCNN+faster—RCNN浅显的初步理解
(1) R-CNN:Region CNN 其实就是基于候选区域的目标检测。基本框架如下:首选选定region proposals (方法大多为:Selective search ,edge box)àCNN 网络进行特征提取àSVM进行分类àBB进行回归,返回regions 以及类别(2) SPPSpatial pyramid pooling 它是在CNN的基础上做
2017-08-17 11:29:00
1032
原创 windows+tensorflow+fasterRcnn---2
今天下午,一边训练模型,一遍在研究可以下labelImage 的用法,以便后面用上~~~ 使用labelIImg 标注自己的图片(1) 在git上下载源码 https://github.com/tzutalin/labelImg(2) 因为我安装的是ananconda3 里面有PyQt4 andinstall lxml.所以就不在继续安装
2017-08-15 18:22:26
3918
原创 windows+tensorflow+fasterRcnn---1
由于实验需要,在并不完全理解faster——RCNN的情况下,决定先跑个例子,看看效果。下面是我做实验的情况,以及一些问题,如下:首先在https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3.5 下载了源码。然后按照他的read me 一步一步。在开始编译setup.py的时候,一直出现各种错误,比如找不到cant
2017-08-15 10:56:30
11763
85
原创 Tensorflow 实现二分类
刚刚开始接触TensorFlow,在网上找到一个老师的视频教学,关于利用简单的网络结构实现二分类,也就是猫狗大战的例子。于是对着视屏,自己做了如下的记录。如果有什么地方错误,欢迎大神指点!!!1.准备数据集。https://www.kaggle.com/c/dogs-vs-cats 在Kaggle的官网上可以下载,如果想直接要数据的童鞋,可以私信我,我发给你,也是可以的。2.程序结构如
2017-08-01 16:25:26
2205
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人