std::map error: implicit instantiation of undefined template 不能识别std::map迭代器指针

std::map error: implicit instantiation of undefined template 不能识别std::map迭代器指针

代码如下:

std::map<std::string, int>::iterator map_iter;
map_iter->first

QT中报错:

/Applications/Xcode-beta.app/Contents/Developer/Toolchains/XcodeDefault.xctoolchain/usr/include/c++/v1/utility:258: error: implicit instantiation of undefined template 'std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> >'
_T1 first;
    ^

发现是引入头文件错误。

我原本头文件引入如下:

#include <stdio.h>
#include <string.h>
#include <map>

应该 #include <string>,而不是 #include <string.h>,修改为如下:

#include <iostream>
#include <string>
#include <map>
  • 3
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在将传统的统计方法应用于面部识别中,原始面部图像经常被矢量化为矢量。 但是,这样的矢量化不仅导致高维,从而导致样本大小(SSS)问题小,而且失去了图像像素之间的原始空间关系。 已经证明,空间正则化(SR)是补偿这种关系的损失并同时通过显式施加空间约束来减轻SSS问题的有效手段。 但是,SR仍然存在两个主要问题:一个是由于高维而导致的高计算成本,另一个是选择控制空间正则化并因此影响学习性能的关键正则化因子。 因此,在本文中,我们提供了一种新的想法,即隐式空间正则化(ISR),以避免丢失图像像素之间的空间关系并同时处理人脸识别的SSS问题。 与直接引入空间正则项并基于矢量表示的显式空间正则化(ESR)不同,我们通过重塑图像然后执行2D方法来限制每个小图像区域内的空间平滑度。 具体来说,我们遵循与SSSL(典型的ESR方法)相同的假设,即图像像素周围的小图像区域是平滑的,然后将原始图像重塑为新矩阵,其每列对应于矢量化的小图像区域或补丁,然后使用任何现成的2D方法从新形成的矩阵中提取特征,这些方法可以考虑同一行或同一列中像素之间的关系,从而可以大大保留相邻区域内的原始空间关系。 由于ISR不施加约束项,因此与ESR相比,ISR不仅避免了麻烦的正则化参数的选择,而且大大降低了计算成本。 在四个人脸数据库上的实验结果表明,所提出的ISR能够以较低的计算成本使用SSSL达到竞争性能。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值