MTT_SKY

原创 111

1、GIA 四个使用注意事项：  1、数据格式roi-resize yuv -》 yuv I420 vca-yv12  2、临时空间；getmemsize （算子中最大空间，类似结合体），必须申请临时空间  3、P4 崩溃问题，代码不规范导致（检讨），浪费较多时间；  4、不一致性问题：精度损失问题导致（输入参数，比例float数据），     由于GIA会对输入roi的 x,

原创 视觉测量与三维重建（二）

//生成棋盘。#include"cv.h"#include"highgui.h"#define numx 9#define numy 9#define size 200#define filename "chessboard.jpg"void main(){ IplImage* image=cvCreateImage(cvSize(numx*size,numy*size),8,

原创 caffe批处理安装

#!/usr/bin/env shecho "Make dir for building..."rm -rf buildmkdir build && cd buildecho "CMaking..."cmake .. -DUSE_MPI=ON -DBUILD_docs=OFF -DBUILD_matlab=OFF -DBUILD_python=ON -DBLAS=open

转载 论文整理

pmvs算法组织清晰明了，原创作者的论文《Accurate, Dense, and Robust Multi-View Stereopsis》对该算法的原理介绍的十分清楚，该算法分为三个阶段：特征匹配，扩散，过滤，这三个阶段涉及的有patch模型，image模型等，涉及的原理和算法有极线一致，NCC，Harris,Dog,光度一致性，网格等等，使用了大量的第三方库（这也是为后边的加速埋了个大坑，真

转载 几个取石头的博弈~~简单归纳，大神不要笑~~

一，不知道是什么博弈。          简单描述：有一堆石头共有n个，两个人来轮流取每次取得数量在1首先来看假如n=m+1的时候，明显后手胜。那么可以推论当n=s*(m+1)时后手一直保持取m+1-k个那么到最后依旧转化到n=m+1的状况。那么当n=s*(m+1)+ss时那么先手胜。转换成s*(m+1)只需要取掉这ss就可以了，注意这时先手上一情况里面的后手那么按照那种状况就可以

原创 Linux根据进程名称Kill多个进程

经常需要Kill多个进程，这些进程包含共同的关键字，可以用一条命令Kill掉它们。ps aux | grep "common" |grep -v grep| cut -c 9-15 | xargs kill -9管道符“|”用来隔开两个命令，管道符左边命令的输出会作为管道符右边命令的输入。下面说说用管道符联接起来的几个命令："ps aux" 查看所有进程的命令。这时检索出的进程将作为下

原创 UTF8<->ANSI转换函数

#include #include void Convert(const char* strIn,char* strOut, int sourceCodepage, int targetCodepage) { int len=lstrlen(strIn); int unicodeLen=MultiByteToWideC

原创 如何绘制caffe训练过程中的loss和accurary的曲线？？

caffe/tools/extra/plot_training_log.py.example自带的绘图的小脚本关于获取日志文件，我用的方法和@齐浩之 提到的一样，写个脚本，运行这个脚本开始训练，这样就可以保存日志了， 脚本如下#!/bin/bashLOG=log/train-`date +%Y-%m-%d-%H-%M-%S`.logCAFFE=~/caffe/build/tools

转载 caffe使用案例

（一）简介1.caffe是一个清晰而高效的深度学习框架，纯粹的C++/CUDA架构，支持命令行、Python和MATLAB接口，可以在CPU和GPU直接无缝切换；2.caffe的主要优势：（1）CPU与GPU的无缝切换；（2）模型与优化都是通过配置文件来设置，无需代码；3.caffe的下载与安装：（1）下载（2）安装（3）caffe的下载与安装以及一些基本的介绍官网

转载 Caffe学习系列：数据可视化环境（python接口)配置

caffe程序是由c++语言写的，本身是不带数据可视化功能的。只能借助其它的库或接口，如opencv, python或matlab。大部分人使用python接口来进行可视化，因为python出了个比较强大的东西：ipython notebook, 现在的最新版本改名叫jupyter notebook，它能将python代码搬到浏览器上去执行，以富文本方式显示，使得整个工作可以以笔记的形式展现、存储

转载 Caffe搭建：常见问题解决办法和ubuntu使用中遇到问题（持续更新）

严正声明：　　在linux下面使用命令行操作时，一定要懂得命令行的意思，然后再执行，要不然在不知道接下来会发生什么的情况下输入一通命令，linux很有可能崩掉。　　因为在linux下面，使用sudo以及root权限时，是可以对任意一个文件进行操作处理的，即使是正在使用的系统文件。　　caffe中出现下面这些问题说明在安装过程中有一些步骤没有按照官网说明来，如果按照官网说明一步步安装

原创 python caffe

1 安装所需要的依赖包1.1  install protobuf, leveldb, snappy, opencv, hdf5, protobuf compiler and boost:    sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-

转载 1

霄骅在14年5月31日正式成为博客专家，他擅长的技术当时在CSDN上还是比较少的，所以很是出众。他的博客帮助了很多人，除了在博客上回复大家的问题，他还有自己的技术交流群，旨在为视音频技术同行方便交流提供一个平台。无论是实验室，电视台，互联网视频，安防，播放器，媒体中心等等都可以加入讨论。他认为多交流可以更快的进步~乐于分享技术的他，在视音频技术做出了巨大贡献的他，连续两年获得CSD

转载 sift是图像匹配的非常经典的算法

http://blog.csdn.net/chen825919148/article/details/7685952SIFT特征具有缩放、旋转特征不变性，下载了大牛的matlab版SIFT特征提取代码，解释如下：1.调用方法：将文件加入matlab目录后，在主程序中有两种操作：op1：寻找图像中的Sift特征：[csharp] view plain

转载 两分钟学会在GitHub托管代码

本篇博客针对不会Git的小童鞋，大神们可以绕过，错误之处谢谢指正；关于GitHub的强大此处不在说明，知道GitHub也有一段时间了,但是一直苦于不会使用。本篇文章介绍的是如何将工程代码托管到上面；如果你还没注册GitHub账号请到https://github.com/上注册如果你已经注册GitHub账号，在你的电脑上安装了GitHub,而一直还没上传过代码1.打开浏览器登

转载 CODE CSDN Git 配制方法介绍

以前一直使用Github，最近看到CSDN出了CODE代码托管功能，由于国内的阿里云服务器很稳定，而且不会被国墙，所以果断的迁移了，下面就简单的介绍一下CODE的配置使用。其实CSDN的code 何丽萍介绍的很全面了。首先需要下载Git客户端，http://git-scm.com/downloads。。。   然后再code.csdn.net上面创建一个项目，如果你的项目已

转载 最新版 bundler(不是v0.4) 的编译和使用

本文在其他博客上修改而来，原博客是针对bundler v0.4，对现在最新的bundler有很多地方不适用了。特别是在Ubuntu环境下bundler的编译和使用。我先说如何在windows下用VS2013和cygwin来编译和运行bundler。原文连接：http://blog.csdn.net/halfwet/article/details/69739181.      Bun

转载 写一个随机洗牌函数

题目写一个随机洗牌函数。要求洗出的52!种组合都是等概率的。 也就是你洗出的一种组合的概率是1/(52!)。假设已经给你一个完美的随机数发生器。解答这是一道非常有名的面试题，及非常有名的算法——随机洗牌算法。最直观的思路是什么？很简单，每次从牌堆中随机地拿一张出来。那么， 第一次拿有52种可能，拿完后剩下51张；第二次拿有51种可能，第三次拿有50种可能， …，一直

转载 C++　bitmap

题目有一个数组，里面的数在1到N之间，N最大为32000.数组中可能有重复的元素(即有的元素 存在2份)，你并不知道N是多少。给你4KB的内存，你怎么把数组中重复的元素打印出来。解答我们有4KB的内存，一共有4 * 210 * 8位，大于32000，所以我们可以用Bit Map 来做这道题目。题目很简单，不过我们可以把代码写得漂亮一些。 我们可以写一个Bit Map类来完成

转载 原码, 反码, 补码 详解

本篇文章讲解了计算机的原码, 反码和补码. 并且进行了深入探求了为何要使用反码和补码, 以及更进一步的论证了为何可以用反码, 补码的加法计算原码的减法. 论证部分如有不对的地方请各位牛人帮忙指正! 希望本文对大家学习计算机基础有所帮助! 一. 机器数和真值在学习原码, 反码和补码之前, 需要先了解机器数和真值的概念.1、机器数一个数在计算机中的二进制表示形式

转载 为什么8位二进制的补码取值范围是-128~127

转载 C++中 overload 、override、overwrite 之间的区别

Overload、Overwrite和Override的概念比较容易混淆，而且Overwrite和Override的中文翻译五花八门，让人很Confuse，顾保持英文原意：Overload  重载在C++程序中，可以将语义、功能相似的几个函数用同一个名字表示，但参数不同（包括类型、顺序不同），即函数重载。（1）相同的范围（在同一个类中）；（2）函数名字相同；（3）参数不

转载 C++类的静态成员初始化详细讲解

记住：通常静态数据成员在类声明中声明,在包含类方法的文件中初始化.初始化时使用作用域操作符来指出静态成员所属的类.但如果静态成员是整型或是枚举型const,则可以在类声明中初始化!!!复制代码 代码如下:#include using namespace std;class test{public:static int num;};int test::nu

转载 图片像素、大小、分辨率的关系

图片是怎么由什么组成的？电脑处理出来的图形通常分2种，一种是矢量图，一种是点阵图，就是图象由无数个点组成。每个点就是PS中说的像素，每个像素里都由一个颜色表现，所以点阵图是有一个个有颜色的点（像素）排列而成。我们平时看到的文件格式有PSD、TIF、JPG、GIF等都是点阵图，数码相机拍摄的照片就是点阵图。像素是什么？既然图片是由很多点组成，那每个点就是1个像素，一个像素就是一种颜色的色

转载 sift readme

Contents: 1. Intro 2. Requirements 3. Running 4. License     1. Intro   This is a collection of code I've put together to detect SIFT features in  images.  It includes a SIFT funct

转载 转一些SIFT代码链接

sift创始人的代码：David Lowe's SIFT code:http://www.cs.ubc.ca/~lowe/keypoints 美国加州大学洛杉矶分校（University of California at Los Angeles) Andrea Vedaldi 博士研究生给出的基于David Lowe 发表的论文给利用Matlab和C语言混合编程给出的Sift dete

转载 Lowe的SIFT（尺度不变特征变换）程序使用详细说明

系统：程序下载：http://www.cs.ubc.ca/~lowe/keypoints/使用说明请看README。Matlab中使用：1、提取sift描述子：[image, descrips, locs] = sift('scene.pgm');image：输入图像矩阵；descrips：规范化的特征描述子（n×128维；每行元素平方和为1）locs：关键点（

转载 Bundler算法对原始图片的要求

由于前期把bundler配置好了（见上篇博客），可以实现例子程序所说的重现效果，但是如果把图片换成自己的图片时，大家可能会遇到一些问题，我在尝试的过程中也遇到的相应的问题，并尝试了一些解决方法，现在把我的尝试的过程整理一下，希望能对进行相关尝试工作的伙伴给予一定的提示。       最初按照该算法所说，我去网上随便搜索了一组关于自由女神像的图片，选择一些的角度进行下载，然后做成图片集放在一个文

原创 Ubuntu 用户安装 MeshLab 1.3.3

MeshLab 是一款处理交互式的三维模型的开放源码软件。可扩展性和便携式的编辑和三维非结构三角网格处理系统，用于编辑、测试、转换和渲染的三维网格。同时，用户可以导入3DS、OBJ、PLY、STL、OFF、COLLADA、PTX等文件和支持接口项目如U3D，VRML或DXF文件。MeshLab旨在帮助典型的不那么小非结构化模型中产生三维扫描处理，为编辑提供一套工具，清洗，修复，检查，渲染和转换

转载 在CYGWIN下编译和运行软件Bundler ，以及PMVS，CMVS的编译与使用

http://blog.csdn.net/zzzblog/article/details/17166869http://oliver.zheng.blog.163.com/blog/static/1424115952011915113138431/这两篇文章运行，发现在我的电脑上有些地方运行不对。所以我按照我能运行的步骤重新写一下。本人电脑是WIN8,64位操作系统。交代完毕，下面开始。（

转载 如何编译安装Bundler

作者：Joseph Pan （转载请注明出处http://www.cnblogs.com/weizhoupan/archive/2011/03/08/1977366.html ）　　前几天一直忙录公司招聘的事情，没有更新博客。上一篇博客我们讨论了Bundler的安装和配置，今天我们来讨论一下Bundler的编译方法。笔者主要是在Ubuntu进行下面的编译安装工作，而Windows下如果已经装了

转载 Bundler的安装和配置

作者：Joseph Pan （转载请注明出处http://www.cnblogs.com/weizhoupan/archive/2011/03/05/Intro_on_Bundler.html)一、什么是Bundler　　Bundler是一个采用C和C++开发的称为sfm（struct-from-motion）的系统，它能够利用无序的图片集合（例如来自网络的图片）重建出3D的模型。最

转载 Windows XP环境下Bundler的安装和配置

（参考自：http://www.cnblogs.com/weizhoupan/archive/2011/03/05/Intro_on_Bundler.htmlhttp://blog.csdn.net/manji_lee/article/details/7596877http://blog.csdn.net/lxiaoxiaot/article/details/6721247） 一、

转载 Bundler，PMVS，CMVS的编译与使用

（转载请注明来自Sk8erhttp://blog.csdn.net/zzzblog的博客专栏）      Bundler是Noah Snavely博士写的Structure from Motion的工具包。它能够通过对某个场景不同角度的多张图片生成稀疏点的三维信息，并且估计每一幅图片的相机参数（内参和外参）。Bundler属于SFM的范畴。       PMVS和CMVS（CMVS是PMV

原创 C++learning

第一层次，C++基础：挑选一本入门书籍，如《C++ Primer》、《C++大学教程》、或Stroustrup撰写的经典《C++程序设计语言》或他一年半前的新作《C++程序设计原理与实践》，而一般C++课程也止于此，另外《C++ 标准程序库》及《The C++ Standard Library Extensions》可供参考；第二层次，正确高效地使用C++：此层次开始必须自修，阅读过《(Mor

转载 Kinect的三维重建

有关Kinect应用开发正日新月异，稍有懈怠就会被远远甩在身后。不过，Kinect目前带给我们的仍只是一个充满无限可能的远景，正如App store能吸引年仅11岁的开发者一样，Kinect未来将对“全民开发者”产生重要推动作用。另一方面，一些基于Kinect的应用研究仍颇复杂，主要是因为一些关键环节的滞后而导致的。2011年的siggraph talks上，KinectFusion首次展示了实时

原创 111

memcpy memmove一维数组最长连续累加和最大位运算 数据备份一个  两个元素丢失编程之美象棋问题STL sort算法复杂度问题

原创 memcpy与memmove

1.source和destin所指的内存区域可能重叠，但是如果source和destin所指的内存区域重叠,那么这个函数并不能够确保source所在重叠区域在拷贝之前不被覆盖。而使用memmove可以用来处理重叠区域。函数返回指向destin的指针.2.如果目标数组destin本身已有数据，执行memcpy（）后，将覆盖原有数据（最多覆盖n）。如果要追加数据，则每次执行memcpy后，要将目标

转载 多核编程 与 单核多线程编程的区别

1、锁竞争：单核中，如果单个线程取得所，则获取CPU运行时间，其他等待获取锁的线程被阻塞。使用了锁，影响的只是枷锁和解锁的耗时，CPU始终运行。多核中，若2个（更多）线程使用同一把锁，则会导致CPU饥饿。实际还是串行化执行！2、线程分解和执行的区别：对单核CPU，对客户端软件，采用多线程，主要是 创建多线程将一些计算放在后台执行，而不影响用户交互操作。（用户界面 &

转载 【面试虐菜】—— 云计算知识汇总

IaaS 【infrastructure as a service】 基础架构即服务 Amazon AWSSaaS 【software as a service】 Salesforce.comPaaS 【platform as a service】 google appp engine Hashing 适用范围：快速查找，删除的基本数据结构，通常需要总数据量可以放入内存