akiko_008-CSDN博客

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

Pennypinch的博客