![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
python
lianhuijuan
这个作者很懒,什么都没留下…
展开
-
Python学习笔记
写这个呢,是想留个纪念,前前后后学了不少语言,可是除了常用的,别的都忘了差不多。等我想回头重新复习的时候,突然发现已经没有耐心重新看书了,即使看书也找不到重点了。所以,我决定把学习Python过程中的一些心得记下来,万一哪天我忘了,也可以回来看看。首先引用两句话作为开场,这也是简明Python教程中的提到过的。原创 2016-11-05 16:23:31 · 249 阅读 · 0 评论 -
Python学习笔记2
Python学习笔记2原创 2016-11-06 15:41:44 · 278 阅读 · 0 评论 -
简述SPP-net
熟悉CNN网络的都清楚,CNN网络要求输入数据是固定大小的,因此在对数据预处理阶段都会对数据进行裁剪和缩放,但这是影响识别精度的一个主要原因。后来2014年,大神何凯明提出了SPP-net,成功的并且有效的解决了上述问题。首先介绍一下SPP-net的优点。SPP的优点:1)任意尺寸输入,固定大小输出,2)层多,3)可对任意尺度提取的特征进行池化。解决该问题的关键是不再对数据进行缩放和裁剪,原创 2017-03-21 14:22:20 · 843 阅读 · 1 评论 -
selective search算法
在介绍Selective Search之前,先说说其需要考虑的几个问题:1. 适应不同尺度:穷举搜索(Exhaustive Selective)通过改变窗口大小来适应物体的不同尺度,选择搜索(Selective Search)同样无法避免这个问题。算法采用了图像分割(Image Segmentation)以及使用一种层次算法(Hierarchical Algorithm)有效地解决了这个问原创 2017-03-21 15:52:19 · 3764 阅读 · 0 评论 -
R-CNN与SPP-net对比
图像包含的信息非常的丰富,其中的物体有不同的形状(shape)、尺寸(scale)、颜色(color)、纹理(texture),要想从图像中识别出一个物体很难,还要找到物体在图像中的位置更是难上加难。该文对比了两种本来想画两个流程图,但viso2010实在用不惯,就直接写步骤吧。R-CNN的算法流程:1.通过选择性搜索(SS算法),对待检测的图片进行搜索出2000个候选窗口原创 2017-03-21 15:12:40 · 940 阅读 · 0 评论 -
几个高效的字符串匹配算法
在写这篇之前,我一定要说,我讨厌KMP算法!!!所以我是不会讲解KMP算法的!!!好了,开始。1 Horspool算法Horspool 算法的思想很简单的。创新之处是模式串是从右向左进行比较。匹配串:abcbc sdxzcxx模式串:cbcac第一步:从右向左进行匹配,c-c ,第二个b-a 不匹配。第二步:模式串从不匹配的那个字符开始,从右向左寻找匹配串中不匹配的原创 2017-03-12 14:07:30 · 14282 阅读 · 0 评论