- 博客(14)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 Windows VS C++工程：包含目录、库目录、附加依赖项、附加包含目录、附加库目录配置与静态库、动态库的调用
生成动态链接库文件OK。-（1） 要使用一个静态库，除了要include其头文件以外（附加包含目录），还要在链接过程中把lib加进去（附加库目录、附加依赖项）。，否则如果用尖括号，不会搜索本地目录，而是直接从附加包含目录开始搜索，自然就找不到本地的文件，然后报错。项目->属性->配置属性->C/C+±>常规->附加包含目录：加上头文件的存放目录；项目->属性->配置属性->链接器->常规->附加库目录：加上lib文件的存放目录；项目->属性->配置属性->链接器->输入->附加依赖项：加上lib文件名。
2024-08-27 14:41:54
1017
转载 Git版本控制系统的详细用法
Git是一个版本控制系统，它的作用是跟踪和管理软件开发项目中的代码变化。它可以记录每个文件的修改历史、分支和合并操作，以及协同开发团队之间的代码合作。通过Git，开发人员可以轻松地回滚到之前的代码版本，合并不同的代码分支，并且在多人协作开发时更好地管理代码变化。git分支，就是我们把整个文件夹分成一个一个独立的区域，比如我在主分支上开发A功能时，需要添加B功能时，这时我们就可以创建B分支，在B分支下进行开发，AB互不干扰，每个功能都是一个独立的功能分支。
2024-07-18 15:39:14
116
原创 Git&GitHub操作 推送&拉取&克隆
git remote - v #查看当前所有远程地址别名 git remote add 别名 远程地址 # 起别名 git push 别名 分支 # 推送本地分支上的内容到远程仓库 git clone 远程地址 # 将远程仓库的内容克隆到本地 git pull 远程库地址别名 远程分支名 #将远程仓库对于分支最新内容拉下来后与 当前本地分支直接合并。
2024-07-18 14:44:16
643
原创 halcon的仿射变换总结
像素是离散的，为了解决它们，我们有一个仅使用整数值的，即像素坐标系。但是为了获得超出像素网格的更高精度，我们需要浮点坐标，这导致亚像素精确坐标系。（Pixel Centered Coordinates），HALCON 标准子像素坐标系像素坐标系将图像视为离散元素的网格，即像素，我们将原点放在左上角像素的中间(0,0)；图像大小： h e i g h t × w i d t h = m × n行坐标值从0到m − 1 ，列坐标值从0到n − 1。如下图(1)所示；
2024-07-11 15:59:59
343
原创 二元分类loss函数binary_crossentropy和BinaryCrossentropy的区别
在自定义训练模式里：1.loss函数的声明及输出维度 BinaryCrossentropy（官网链接）可以直接申明，如下：#set loss funcloss=tf.losses.BinaryCrossentropy(from_logits=True) # from_logits=True表示最后一层没有添加激活 其在作为独立函数使用时，输出的时loss的均值，维度为1# Example 1: (batch_size = 1, number of samples = 4)y_true =
2022-04-23 17:21:33
3483
转载 【论文笔记】使用深度学习去除摩尔纹干扰
针对之前数据采集过程中摩尔纹的严重干扰，导致OCR对这种图片检测与识别精度不高的问题，搜索了大量有关如何消除摩尔纹的资料，包括传统的图像处理方法以及深度学习方法，发现这篇论文无论从方法上还是效果上都挺不错的。 【论文题目】Moiré Photo Restoration Using Multiresolution Convolutional Neural Networks 【摘要...
2021-04-08 15:30:23
2177
转载 摩尔纹的原理
一.摩尔纹产生的原理 1.介绍 用数码相机拍摄景物时，如果有密纹的纹理，常常出现莫名其妙的水波样条纹。这就是摩尔纹。 简单的说，摩尔纹是差拍原理的一种表现，在空间频率中，空间频域略有差异的条纹叠加，由于条纹间隔的差异，重合位置逐渐偏移，也会形成差拍。图1是两个空间频率略有差异的条纹，它们左端黑线位置相同，由于间隔不同，向右边逐渐线条就不能重合了 为了更好的理解，思考一下摩尔纹是数据相机才特有的瑕疵。为何摩尔纹会出现在数码影像，却不会出现在底片上？ 数码&底片构造 由于底片
2021-04-08 14:56:31
7971
转载 halcon_halcon图像处理基本运算
指数 图像 halcon_halcon图像处理基本运算 weixin_39975261 2021-02-01 15:30:29 ...
2021-04-07 16:51:28
3988
翻译 Mura、纱窗效应和混叠各指的什么
一 .Mura 由于各种原因，即使计算机输出到显示器是由单一颜色值组成的一帧，led的亮度（或色彩、亮度）不同。令每个像素显示完全相同的颜色也十分具有挑战性。 Mura是像素之间颜色和亮度不均匀的结果。1.由于阵列的颜色亮度不均匀，产生的图像区域不均匀。2.还有说是由于视觉上对于感受到的光源有不同的频率响应而感受到颜色的差异. 在上图，显示器的所有像素在技术上都设置为一个颜色值，但设计和制造中的不完善意味着实际颜色输出可能不一致。 当涉及像素之间的颜色一致性时，某些显示
2021-04-07 14:51:41
2099
原创 Halocn分割算子详解一（var_threshold）
1.分割算子var threshold（）参数：(1)参数说明: var threshold(Image : Region : MaskWidth, MaskHeight, StdDevScale, AbsThreshold, LightDark:) ①Image:输入图像; ②MaskWidth, MaskHeight：是用于滤波平滑的掩膜单元 ③StdDevscale：是标准差乘数因子(简称标准差因子) ; ④AbsThreshold：是设定的绝对阈值; ⑤LightDark
2021-04-07 13:37:47
251
1
翻译 全局平均池化能否完美代替全连接？
全局平均池化能否完美代替全连接？参考链接：https://www.cnblogs.com/hutao722/p/10008581.html一.什么是全局平均池化？ 全局平均池化（GAP）通过池化操作把多维矩阵转化为特征向量，以顶替全连接（FC）。优点： ① 减少了FC中的大量参数，使得模型更加健壮，抗过拟合，当然，可能也会欠拟合。 ② GAP在特征图与最终的分类间转换更加自然。 GAP工作原理如下图所示： 假设卷积层的最后输出是h × w × d 的三维特征图，具体大小为
2021-04-06 14:16:46
4063
1
转载 卷积神经网络经典模型要点
文章目录一、对比二、AlexNet三、ZFNet四、VGGNet五、GoogLeNet1、Inception-v1模型2、Incept...
2019-10-30 21:56:50
631
原创 AI笔试回顾
笔试问题总结AI类神经网络AI类编写于2019-10-29。神经网络 1.过大的学习速率会导致什么问题?（B） A.神经网络会收敛 B.神经网络不会收敛 C.不好说 D.都不对 学习速率：运用梯度下降法进行优化时，权重的更新规则中，在梯度前会乘以一个系数，这个系数就叫做学习速率。 解析：学习速率太小，会使收敛过程变慢，或者无法达到最优收敛。如果学习速率太大，则会导致代价...
2019-10-29 21:54:40
980
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人