努力奋斗

使用的话修改对应的路径，和图片生成的位置。#include <cv.h>#include <highgui.h>#include<io.h>#include <string.h> using namespace std;using namespace cv;char * filePath = "E:\\一";void getFiles(string path, vect

跳坑里爬了三天，爬不出来了。VS2013新建CPP工程，把 \cntk\Examples\Evaluation\CPPEvalClient\CPPEvalClient.cpp拷贝到工程里，在项目上右键->属性，分别设置 VC++目录： 包含目录->\cntk\Include 库目录->\cntk\cntk 链接器 输入->附加依赖项->EvalDll.lib代

现在手头没数据集，用之前的几张图片测试了一下。 data 数组前两个是同一种树叶： 后两个向量是同一种树叶： 没数据集了，用的差不多的一种树叶对比的，就是上面double x[]的特征： 虽然看面积就知道和第一个相似，程序运行结果：[0.100747, 0.00233442, 0.690329, 1.6875, 0.0483126]:[0.9902157551076237, 0.003078

关于卷积神经网络的介绍，网上资料很多。不在赘述。 从最主要的地方入手介绍： 打开tiny-dnn的/example/main.cpp文件，可以看到如下代码：nn << convolutional_layer<tan_h>(32, 32, 5, 1, 6) << average_pooling_layer<tan_h>(28, 28, 6, 2) << conv

tiny-dnn是一个轻量级的CNN（卷积神经网络），不需要各种依赖和GPU，由三千多行C++代码完成。适配android平台的话，感觉这个比较好做一点。暂时了解了这么多。还没有开始读代码。今天先完成tiny-dnn的配置，让它在VS2013里能跑起来。下载地址：https://github.com/tiny-dnn/tiny-dnn新建一个cpp项目，在属性的C/C++，附加包含目录，在这把tin

随机选择测试机和训练集。总数：193张测试集：56张图片（30%） 训练集：137张图片（70%） 错误率：7.143%测试集：19张（10%） 训练集：174张（90%） 错误率：0%测试集：40张 训练集：153张 错误率：0%

CNTK所使用的数据集格式是这种的：所以我们自己的数据集要做的和这个一样。 MNIST手写数字图片库下载：http://download.csdn.net/detail/bless2015/9610008 用OpenCV+vs2013实现的：#include <cv.h>#include <highgui.h>#include<io.h>#include <string.h> #incl

因为要用到图像识别，所以看的他CNN网络 cntk\Examples\Image\MNIST\Config\02_Convolution.cntk先看配置文件：rootDir = ".."configDir = "$rootDir$/Config"dataDir = "$rootDir$/Data"outputDir = "$rootDir$/Output"modelDir = "

使用CNTK训练的网络，和OpenCV提供的图片处理支持。在Android平台将图片上传服务器并返回图片种类。留自己备忘。转载请注明出处->http://blog.csdn.net/bless2015首先是第一个BUG：用NDK太麻烦，所以讲CNTK和OpenCV接口直接编译好了一个exe，用Java Runtime直接调用。但是除了一个问题，花了半天时间。原因是CNTK函数返回了很多日志信息，

CNTK，OpenCV，卷积神经网络的图像识别实战。