- 博客(10)
- 资源 (8)
- 收藏
- 关注
转载 光流Optical Flow介绍与OpenCV实现
转:http://blog.csdn.net/zouxy09/article/details/8683859光流(optic flow)是什么呢?名字很专业,感觉很陌生,但本质上,我们是最熟悉不过的了。因为这种视觉现象我们每天都在经历。从本质上说,光流就是你在这个运动着的世界里感觉到的明显的视觉运动(呵呵,相对论,没有绝对的静止,也没有绝对的运动)。例如,当你坐在火车上,然后往
2017-08-30 09:02:22 400
转载 /MD, /MDD, /ML, /MT,/MTD(使用运行时库)
1. VC编译选项多线程(/MT)多线程调试(/MTd)多线程 DLL (/MD)多线程调试 DLL (/MDd)2. C 运行时库 库文件Single thread(static link) ML libc.libD
2017-08-30 08:56:48 412
原创 dilate 函数的实现(源码)
文章从自己的QQ(632846506)7年前的日志中移过来的。 数学形态学可以作为图像的一种滤波算法--形态学滤波。滤波中用到的滤波器(kernal)即为结构元素。结构元素往往是由一个特殊的形状构成,如线条、矩形、圆等。OpenCV中的dilate函数支持多通道,各个通道膨胀处理过程独立。膨胀针对白色部分(高亮部分)。膨胀即是求局部最大值的操作,图像A与核B作卷积运算,
2017-08-15 10:55:04 1867
原创 图像恢复----Retinex算法详解
文章从自己的QQ(632846506)5年前的日志中移过来的。https://user.qzone.qq.com/632846506/infocenter。 Retinex是一种常用的建立在科学实验和科学分析基础上的图像增强方法,它是Edwin.H.Land于1963年提出的。就跟Matlab是由Matrix和Laboratory合成的一样,Retinex也是由两个单词合成的一
2017-08-14 11:10:25 1282
原创 C++ ----调用exe的函数
文章从自己的QQ(632846506)7年前的日志中移过来的。https://user.qzone.qq.com/632846506/infocenter。 在开发大型项目的时候,采取的都是把各个功能分开来开发,分开开发可能是生成dll,也有可能生成的是exe文件,而其中有的时候也会调用现成的工具包里面的一些exe文件,这样在项目里面就要通过调用exe文件来使用。这种相互调用e
2017-08-09 11:37:24 2105
转载 企业员工流动率
调查显示,10%—20%的员工流动率对企业长远发展有好处。但骨干人员应是留用重点如何降低员工流动率企业内的员工,真正成为具有增值力的人力资源,通常必须具有四种能力:1/p生产力:投入的减少与产值增加,二者同时发生;2/p进阶力,员工本身能够执行同一职务逐级而上的能力;3/p调任力,员工能够接受平行发展,胜任不同职务的能力;4/p留任力,员工在未来三年内,继续服务的意
2017-08-07 09:14:52 1665
原创 级联分类器(Adaboost)之《多尺度尺寸的计算方法》
最近有人问我:在级联分类器中,如何根据设定的参数来计算多尺度的问题。并给我看了一篇网上找来的文章(里面展示的尺度尺寸有无),让我给讲解下: 多尺度尺寸的计算 主要是下面这个循环:for(double factor=1;;factor *=scaleFactor) //多尺度检测(每次循环只用一个尺度来检测目标,循环N次就是N个尺度){ Size t
2017-08-03 17:24:29 953
原创 caffe:最优化方法
到目前为止,caffe总共提供了六种优化方法: Stochastic Gradient Descent (type: "SGD"), AdaDelta (type: "AdaDelta"); Adaptive Gradient (type: "AdaGrad"); Adam (type: "Adam") Neste
2017-08-03 17:15:37 389
原创 Caffe中的损失函数
文章从自己的QQ(632846506)2年前的日志中移过来的。https://user.qzone.qq.com/632846506/infocenter。 机器学习的目的就是通过对训练样本输出与真实值不一致的进行惩罚,得到损失Loss,然后采用一定的优化算法对loss进行最小优化,进而得到合理的网络权值。本文介绍Caffe中含有的常见的LossLayer及其参数设置方法。
2017-08-03 16:48:40 3044
原创 深度学习:正则化方法
文章从自己的QQ(632846506)5年前的日志中移过来的。https://user.qzone.qq.com/632846506/infocenter。 在机器学习中,正则化是非常重要且非常有效的减少泛化误差的技术,特别是在深度学习模型中,由于其模型参数非常多且易产生过拟合。因此研究者也提出很多有效的技术防止过拟合,其中比较常用的技术包括:参数添加约束,例如L1、
2017-08-03 16:38:41 884
经典算法研究
2016-01-03
DSP自适应滤波器.ppt
2008-12-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人