lff1208的博客

上网搜索解决方案，网上说出现这种情况的原因是：mysql8 之前的版本中加密规则是mysql_native_password,而在mysql8之后,加密规则是caching_sha2_password,原文链接：https://blog.csdn.net/weixin_42318538/article/details/136785888。方法2.把mysql用户登录密码加密规则还原成mysql_native_password.这里采用方法2解决，具体操作步骤如下。再输入密码 （自己安装时输入的密码）

（图是网上下载下来的）学习vs2013编程，出现上述问题，自己找了好多方法试了都不行，最后还是利用DirectX增强版进行修复，发文愿能帮助有同样问题的人。DirectX增强版链接：下载地址1： http://download.csdn.net/detail/vbcom/9557252下载地址2（免积分）： http://www.crsky.com/soft/31471.html下载地址3（免积分...

本文介绍如何利用MFC创建视频的播放、暂停和结束。转载博客地址：https://blog.csdn.net/davebobo/article/details/51123853一、 新建项目1.1 文件--》新建--》项目--》MFC应用程序，程序命名为VideoPlayer,点击确定点击下一步选择基于对话框，在静态库中使用mfc 完成出现下图的界面：接下来我们就拖几个控件，首先在工具箱中拖一个pi...

（1）RANSAC随机采样一致性算法的介绍RANSAC是“RANdom SAmple Consensus（随机抽样一致）”的缩写。它可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。它是一种不确定的算法——它有一定的概率得出一个合理的结果；为了提高概率必须提高迭代次数。数 据分两种：有效数据（inliers）和无效数据（outliers）。偏差不大的数据称为有效数据，偏差大的

参考博文链接：作者：Not_GOD链接：http://www.jianshu.com/p/9dc9f41f0b29來源：简书http://www.jianshu.com/p/9dc9f41f0b29LSTM逐步理解 在我们 LSTM 中的第一步是决定我们会从细胞状态中丢弃什么信息。这个决定通过一个称为忘记门层完成。该门会读取 h_{t-1} 和

RNN网络引入定向循环，能够处理那些输入之间前后关联的问题。打破了传统神经网络结构层与层之间全连接，每层节点之间无连接的转态，不在是输入-隐层-输出的模式。RNN的目的：处理序列数据RNN的内容：一个序列当前的输出与前面的输入也有关系。RNN的具体做法：网络会对前面的信息进行记忆，并应用于当前输出的计算中，即隐层之间的节点不再无连接，并且隐层的输入不仅包括输入层的输出，还包括上一时刻隐

神经网络的来源      神经网络技术起源于上世纪五、六十年代，当时叫感知机（perceptron），包含有输入层、输出层和一个隐藏层。输入的特征向量通过隐藏层变换到达输出层，由输出层得到分类结果。但早期的单层感知机存在一个严重的问题——它对稍微复杂一些的函数都无能为力（如异或操作）。直到上世纪八十年代才被Hition、Rumelhart等人发明的多层感知机克服，就是具有多层隐藏层的感知机。

我是一个刚入职的毕业生，现在做的是图像处理方面的技术文档编写工作，我想朝图像算法工程师的方向发展，我感觉需要学习vs、python、caffer、还有各种图像相关的算法，可是我自己就是找不到入手的方向，希望路过的大牛能给我点指引，在此谢过。

论文链接：https://kpzhang93.github.io/MTCNN_face_detection_alignment/，本文是根据自己的理解翻译的如有错误，还请见谅，评论提出，立马修改。摘要：由于姿势、光照或遮挡等原因，在非强迫环境下的人脸识别和对齐是一项具有挑战性的问题。最近的研究显示，深度学习算法可以很好的解决上述的两个问题。在这篇文章中，我们利用检测和校准之间固有的

该MTCNN算法出自深圳先进技术研究院，乔宇老师组，是今年2016的ECCV。采用级联的卷积神经网络进行人脸五官特征点检测，其流程如下图所示。图6级联卷积神经网络流程图首先，将给定的图片缩放到不同尺度，形成图像金字塔，以达到尺度不变。通过上述流程图可知，该模型有三个步骤组成：Stage 1Proposal Network(

转眼间来公司上班已经一个月多了，今天又是新一周的开始，为自己加油！    因为公司三个月实习期结束，会有一个转正的PPT演讲，我是编写文档的，对于技术自己还只是个门外汉，没办法在前辈们面前展示，所以我打算在接下来的一段时间，总结一下个跟人脸识别、字符识别有关的前沿算法。我觉得这样对去听的人可能会有些帮助，希望路过的各位大神，积极提供链接，谢谢！

工作一段时间了，可是状态还是不佳，有时不知道该学习什么，希望路过的大神，给我点建议，谢谢！

        所谓OCR （Optical Character Recognition光学字符识别）技术，是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程。OCR的发展       OCR可以说是一种不确定的技术研究，

学习的种类分为监督学习、无监督学习、强化学习等，我们将学生比作计算机，老师比作周围的环境（数据）。监督学习：对于有标签的数据进行学习，目的是能够正确判断无标签的数据。通俗的讲，老师教授学生知识，并告知学习过程中的对与错，让学生可以从所学知识的经验和技能中对没有学过的问题进行正确回答，这就是监督学习，用于预测数据的回归、分类标签的分类、顺序的排序等问题。无监督学习：对于无标签的数据进行学习，

人证合一识别系统实际就是通过生物识别技术与信息提取技术研发出来的一种用于身份验证的系统。系统具有获取方式直接隐蔽、信息编码数据量小、识别速度快、识别准确率高、拒识率低、甄别简便、安全性高、使用简便等特点，是一款能适应各种复杂环境的人证合一高技术产品。    具体做法是：1、在前端通过眨眼、张嘴、摇头、点头等语音提示完成组合动作，目的是确保操作的为真实活体人脸。利用活体检测技术从现场采集的图像或

随着深度学习方法的应用，识别人脸图像的技术的识别率已经得到质的提升，目前识别人脸图像的技术率已经达到99%。识别人脸图像的技术与其他生物特征识别技术相比，在实际应用中具有天然独到的优势：通过摄像头直接获取，可以非接触的方式完成识别过程，方便快捷。目前识别人脸图像的技术已应用在金融、教育、景区、旅运、社保等领域。识别人脸图像的技术技术主要分为两部分：第一部为前端人脸活体检

新的一周开始，我要继续努力。    我觉得我心里一直有一个想法就是我来郑州上班，只是为自己了一个心愿，我始终是要考试当老师的，所以我即便表面上感觉坐在这里上班，可是知道我的内心是什么想法，有点人在曹营心在汉。不过既然我都找到，并勇于承认了，我就要改正，专心应对工作，不去想那么多，不去做打退堂鼓的事情。    上班了！