liuheng0111的博客

caffe官方文档：http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/00-classification.ipynb1准备工作1.1 安装python，numpy，matplotlib[cpp] view plain copy #安装python、numpy、matplo

~~因为不太会使用OpenCV、matlab工具，所以在找一些比较简单的工具。. .一、NLP标注工具BRATBRAT是一个基于web的文本标注工具，主要用于对文本的结构化标注，用BRAT生成的标注结果能够把无结构化的原始文本结构化，供计算机处理。利用该工具可以方便的获得各项NLP任务需要的标注语料。以下是利用该工具进行命名实体识别任务的标注例子。WeTest舆情团队在

深度学习训练需要标记图像位置和类别，之前用的时候是叫做BBox-Label-Tool-master，遇到大图像就显示不完整了，没有自适应缩放， 这是改进后的Python脚本。目录结构：图片目录名images, 标签目录名labels，图像目录下各类别目录名要以001,002,003,...的格式命名。这是运行labelTool ( python main.py)时的截屏

搜集了许多CBIR的数据集，后续还会有添加。INRIA HolidaysINRIA Holidays dataset，Herve Jegou等人使用的数据集，该数据集是他们研究所经常度假时拍的图片（风景为主），一共1491张图，500张query（一张图一个group）和对应着991张相关图像，已提取了128维的SIFT点4455091个，visual dictionaries来自Fl

图像检索公开数据集搜集了许多CBIR的数据集，后续还会有添加。INRIA HolidaysINRIA Holidays dataset，Herve Jegou等人使用的数据集，该数据集是他们研究所经常度假时拍的图片（风景为主），一共1491张图，500张query（一张图一个group）和对应着991张相关图像，已提取了128维的SIFT点44550

Eigen非常方便矩阵操作，当然它的功能不止如此，由于本人只用到了它的矩阵相关操作，所以这里只给出了它的一些矩阵相关的简单用法，以方便快速入门。矩阵操作在算法研究过程中，非常重要，例如在图像处理中二维高斯拟合求取光斑中心时使用Eigen提供的矩阵算法，差不多十来行代码即可实现，具体可见：http://blog.csdn.NET/hjx_1000/article/details/8490653

http://www.sdifenzhou.com/securecrt802.html

Deep Compositional Captioning: Describing Novel Object Categories Without Paired Training DataLisa Anne Hendricks,Subhashini Venugopalan,Marcus Rohrbach,Raymond Mooney,Kate Sae

前言windows对于utf-8编码的文件自带BOM，但是其他系统utf-8编码默认不带BOM。这就造成在某些情况下字符解码会出现问题，比如Python自带的json在读取在window下编码得来的utf-8文件时，会报如下错误: ValueError: No JSON object could be decodedBOMFrom Wikipedia,

排序算法可以分为内部排序和外部排序，内部排序是数据记录在内存中进行排序，而外部排序是因排序的数据很大，一次不能容纳全部的排序记录，在排序过程中需要访问外存。常见的内部排序算法有：插入排序、希尔排序、选择排序、冒泡排序、归并排序、快速排序、堆排序、基数排序等。算法一：插入排序插入排序是一种最简单直观的排序算法，它的工作原理是通过构建有序序列，对于未排序数据，在已排序序

图像拼接的基本流程(1) 图像预处理：对原始图像进行直方图匹配、平滑滤波、增强变换等数字图像处理的基本操作，为图像拼接的下一步作好准备。(2) 图像配准：图像配准是整个图像拼接流程的核心，配准的精度决定了图像的拼接质量。其基本思想是：首先找到待配准图像与参考图像的模板或特征点的对应位置，然后根据对应关系建立参考图像与待配准图像之间的转换数学模型，将待配准图像转换到参考图像的