- 博客(25)
- 收藏
- 关注
RSS订阅原创 mac 上android ndk 安装log4plus
1. 首先下载源码https://sourceforge.net/p/log4cplus/wiki/Home/有android目录。2. 阅读android/android.toolchain.cmake文件，并依据该文件编译安装。# Usage Linux: # $ export ANDROID_NDK=/absolute/path/t
2016-07-14 18:34:22
1267
原创 Opengl在线学习资料
https://learnopengl-cn.github.io/01%20Getting%20started/01%20OpenGL/http://learnopengl-cn.readthedocs.io/zh/latest/包含了详细的Opengl入门知识，还有一些源码。
2016-07-12 17:04:21
570
原创 从buffer快速保存pgm图片，不借助第三方库
#include #include #include #include #include #include using namespacestd;using namespacecv;int pgm_encode(constunsigned char *image,int width, int height,int color_by
2016-06-06 12:22:27
1071
转载 基于移动最小二乘的图像变形
from http://www.voidcn.com/blog/hjimce/article/p-4320423.html一、背景意义写这篇博文是应为目前为止我看到了好多领域里的经典paper算法都有涉及到移动最小二乘（MLS）。可见这个算法非常重要，先来看一下它的相关经典应用：1、图像变形。在图像处理领域paper：《Image Deformation Using Movin
2016-04-27 11:54:51
4367
1
转载 双线性插值
转至：http://www.cnblogs.com/linkr/p/3630902.html双线性插值，这个名字咋一听很高大上的样纸，再在维基百科上一查（见文末，我去，一堆的公式吓死人），像俺这种半文盲，看到公式脑子就懵的类型，真心给跪。虽然看着好复杂，但仔细一看道理再简单不过了，所以还是自己梳理一下好。双线性插值，顾名思义就是两个方向的线性插值加起来（这解释过于简单粗暴，
2016-04-22 20:17:01
506
转载 Ubuntu虚拟机设置固定IP上网（配置IP、网关、DNS、防止resolv.conf被重写）
注：手动配置 dns（防止dns被复写）sudo vim /etc/resolvconf/resolv.conf.d/base添加（貌似添加多个不好使，所以只添加这一个nameserver）nameserver 223.5.5.5 #阿里公共的DNS，修改好保存，然后执行sudo resolvconf -ufrom http://www.tuicool.co
2016-01-11 16:05:39
711
转载 Caffe C++API 提取任意一张图片的特征系列一----ImageData
最近由于工作需要需要直接使用Caffe C++接口，查了很多资料后，问题终于解决。其中出现了很多问题，在这里和大家分享！今天首先介绍第一种方法用IamgeData！（这种方法相对简单）第一个问题：在VS2013中建立好工程后，运行时提示：卷积层没有注册！解决方法：把你的工程建立在happynear大神建立的buildVS2013工程中，因为要在工程属性中配置。右击工程->属性->通用属性-
2016-01-07 16:20:04
1762
1
转载 深度神经网络结构以及Pre-Training的理解
Logistic回归、传统多层神经网络1.1 线性回归、线性神经网络、Logistic/Softmax回归线性回归是用于数据拟合的常规手段，其任务是优化目标函数：h(θ)=θ+θ1x1+θ2x2+....θnxn线性回归的求解法通常为两种：①解优化多元一次方程（矩阵）的传统方法，在数值分析里通常被称作”最小二乘法"，公式θ=(XTX)−1XTY②迭代法：有一阶导数（梯度下降）优
2015-12-08 17:23:44
18286
1
转载 C++中多线程Singleton的实现
from http://blog.chinaunix.net/xmlrpc.php?r=blog/article&id=4281275&uid=26611383/********************************************** ******* g++ test.cpp-lpthread**************** * ************
2015-12-06 16:56:58
352
转载 caffe源码结构
转自https://yufeigan.github.io/2014/12/09/Caffe%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B01-%E5%AE%89%E8%A3%85%E4%BB%A5%E5%8F%8A%E4%BB%A3%E7%A0%81%E7%BB%93%E6%9E%84/安装按照官网教程安装，我在 OS X 10.9 和 Ubuntu 14.
2015-11-04 11:46:10
465
转载 glog
转自：http://www.cnblogs.com/tianyajuanke/archive/2013/02/22/2921850.html一、安装配置1、简介 google 出的一个C++轻量级日志库，支持以下功能：◆ 参数设置，以命令行参数的方式设置标志参数来控制日志记录行为；◆ 严重性分级，根据日志严重性分级记录日志；◆ 可有条件地记录日志信息；◆
2015-10-26 11:25:19
396
转载 逻辑回归、线性回归、最小二乘、极大似然、梯度下降
转自http://www.zhihu.com/question/24900876机器学习的基本框架大都是模型、目标和算法！重要的事情说三遍！对于一个数据集，首先你要根据数据的特点和目的来选择合适模型。就你问的而言，选定的模型是Logistic Regression。现在既然已经选择了模型，那么接下来的问题是：怎么才能让这个模型尽可能好的拟合或者分类数据呢？那么就需要有目
2015-10-14 15:31:41
3836
转载 Caffe 深度学习框架上手教程
转自http://www.csdn.net/article/2015-01-22/2823663Caffe 深度学习框架上手教程发表于2015-01-23 09:08|25584次阅读| 来源suanfazu|19 条评论| 作者blink深度学习deep learningcaffeCNN摘要：Caffe是一个清晰而高效的深度学习框架，本文详细介绍了caffe的
2015-10-13 16:45:34
418
转载 Windows远程桌面连接Ubuntu 14.04
转自http://www.linuxidc.com/Linux/2014-04/100491.htm由于xrdp、gnome和unity之间的兼容性问题，在Ubuntu 14.04版本中仍然无法使用xrdp登陆gnome或unity的远程桌面，现象是登录后只有黑白点为背景，无图标也无法操作。与13.10中的解决方式相同，使用xrdp只能登录xfce的远程桌面。首先安装xfc
2015-10-13 15:54:49
593
转载 Ubuntu14.04下安装Caffe总结
转自 http://weibo.com/p/2304189db078090102vdvx虽然Deep Learning已经不是什么新鲜的东西了，但是由于设备原因，自己一直没有涉足。前几天有幸换了一台自带GPU的Workstation，甚是高兴。于是迫不及待地装了个Ubuntu系统，开始配置DeepLearning框架Caffe。前后共花了差不多两天时间，终于把它配好了。配了这么多年的软件，
2015-10-12 15:57:03
414
转载 从Clarifai的估值聊聊深度学习
转自：http://zhuanlan.zhihu.com/cvprnet/19821292前几天和 Ayden @叶瀚中 聊天时，提到了 www.clarifai.com 这家公司。此前，我已经从各方消息中听说过创始人Matt Zeiler最近打算卖公司。甚至还和朋友打赌说这个公司能不能以$5M出手。先说结论：这个公司的水准在13年称得上世界第一 。但是这并不能
2015-10-12 10:39:01
578
转载 卷积的物理意义
转自http://www.zhihu.com/question/21686447对于初学者，我推荐用复利的例子来理解卷积可能更直观一些：小明存入100元钱，年利率是5%，按复利计算（即将每一年所获利息加入本金，以计算下一年的利息），那么在五年之后他能拿到的钱数是，如下表所示：将这笔钱存入银行的一年之后，小明又往银行中存入了100元钱，年利率仍为5%，那么这笔钱按复利
2015-09-30 14:20:37
493
转载 离散傅立叶变换的实现
转：http://dsqiu.iteye.com/blog/1636888研究过离散傅里叶变换的，都会觉得离散余弦变换的会更简单，不过不知道为什么网上却没有像离散傅里叶变换那样多的介绍，还得下次找本书好好钻研，后再补充。二维离散余弦变换的正变换公式为：在图像的压缩编码中，N一般取8．二维DCT的反变换公式为：以上各式中的系数： 基于DCT的JPEG图像压
2015-09-16 17:51:03
1063
转载 OpenCV Mat数据类型及位数总结
OpenCV Mat数据类型及位数总结(2012-05-30 18:05:41)转载▼标签：杂谈 OpenCV Mat数据类型及位数总结 float: 4字节，6-7位有效数字 -3.4E-38到3.4E38 double: 8字节，15~16位有效数字 -1.7E-308 到 1.7E308 在Ope
2015-05-28 12:34:04
458
转载 推导坐标旋转公式
在《Flash actionScript 3.0 动画教程》一书中有一个旋转公式：x1=cos(angle)*x-sin(angle)*y;y1=cos(angle)*y+sin(angle)*x;其中x，y表示物体相对于旋转点旋转angle的角度之前的坐标，x1，y1表示物体旋转angle后相对于旋转点的坐标 从数学上来说，此公式可以用来计算某个点绕另外一
2015-01-11 21:57:34
530
转载 线性SVM还是非线性SVM
转载SVM的应用领域很广，分类、回归、密度估计、聚类等，但我觉得最成功的还是在分类这一块。 用于分类问题时，SVM可供选择的参数并不多，惩罚参数C，核函数及其参数选择。对于一个应用，是选择线性核，还是多项式核，还是高斯核？还是有一些规则的。 实际应用中，多数情况是特征维数非常高。如OCR中的汉字识别，提取8方向梯度直方图特征，归一化的字符被等分成8*
2014-05-17 10:58:27
975
转载 DPM2008中文翻译- A Discriminatively Trained, Multiscale, Deformable Part Model判别训练的多尺度可变形部件模型
判别训练的多尺度可变形部件模型Pedro.Felzenszwalb，David.McAllester，Deva.Ramanan
2014-05-12 20:29:07
1642
转载 有关可变形部件模型(Deformable Part Model)的一些说明
（1）可变形部件模型 可变形部件模型(DeformablePart Model)由三部分组成： (1) 一个较为粗糙的，覆盖整个目标的全局根模版(或叫做根滤波器)。 (2) 几个高分辨率的部件模版(或叫做部件滤波器)。 (3) 部件模版相对于根模版的空间位置。 首先要计算一个HOG金字塔：
2014-05-06 00:02:40
618
转载 DPM2010中文翻译-Object Detection with Discriminatively Trained Part Based Models
使用判别训练的部件模型进行目标检测Pedro F. Felzenszwalb, Ross B.Girshick, David McAllester and Deva Ramanan
2014-04-27 15:39:08
1874
转载 快速比较两个TXT文件的差异
利用DOS的FC指令可以很快的比较两个TXT文件的异同。 例如：D盘中有个名为data的文件夹，其中有1.txt和2.txt两个TXT文件，要比较这两个文件的差异可以按照以下步骤进行： 1.运行->cmd打开命令提示符窗口； 2.运用CD命令进入data文件夹； 3.输入FC 1.txt 2.txt 回车后就可以看到这两个文件的异同了。
2014-04-27 15:25:35
4617
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