2018年03月_水果先生

原创 C++面试 C++11 新特性之智能指针

shared_ptrshared_ptr 基本用法shared_ptr**采用引用计数的方式管理所指向的对象**。当有一个新的shared_ptr指向同一个对象时（复制shared_ptr等），引用计数加1。当shared_ptr离开作用域时，引用计数减1。当引用计数为0时，释放所管理的内存。这样做的好处在于解放了程序员手动释放内存的压力。之前，为了处理程序中的异常情况，往往需要将指针...

2018-03-31 23:59:09 3995

原创 C++面试 C++11 新特性之容器相关特性

cbegin和cend原来的begin和end返回的iterator是否是常量取决于对应的容器类型，但是有时，即使容器不是常量类型，我们也希望获得一个const_iterator，以避免不必要的修改行为。C++11新标准中提供了cbegin和cend函数，无论容器类型，都固定返回const_iterator。vector<int> c1 = {0, 1, 2, 3, 4};a...

2018-03-31 23:13:34 557

原创 C++面试 C++11 新特性之 lambda

lambda 简介熟悉Python的程序员应该对lambda不陌生。简单来说，lambda就是一个匿名的可调用代码块。在C++11新标准中，lambda具有如下格式：[capture list] (parameter list) -> return type { function body }可以看到，他有四个组成部分：capture list：捕获列表parame...

2018-03-31 22:47:16 1041

原创 C++面试 C++11 新特性之类型推断与类型获取

简单的类型推断 autoC++11新标准中增加了auto类型说明符，可以让编译器帮我们分析表达式的类型。double val1 = 1.1, val2 = 2.2;auto sum = val1 + val2;auto val3 = 0.3, *p = &val3;//auto val4 = 0, val5 = 0.0; // wrong. different types....

2018-03-31 21:48:34 3173

原创 C++面试 C++11新特性之新类型与初始化

新类型unsigned long long / long long类型在C++11中，标准要求long long整型可以在不同平台上有不同的长度，但至少有64位。我们在写常数字面量时，可以使用LL后缀（或是ll）标识一个long long类型的字面量，而ULL（或ull、Ull、uLL）表示一个unsigned long long类型的字面量。比如：//定义了一个有符号...

2018-03-31 19:30:15 479

原创 C++面试设计模式之工厂模式

简单工厂模式在创建一个对象时不向客户暴露内部细节；简单工厂不是设计模式，更像是一种编程习惯。它把实例化的操作单独放到一个类中，这个类就成为简单工厂类，让简单工厂类来决定应该用哪个子类来实例化。假设有一个工厂，他能生产出A、B两种产品。当客户需要产品的时候，要告诉工厂是哪种产品，是A还是B。当新增加一种新产品的时候，那么就要去修改工厂的类。// Factory.cpp : 定义控...

2018-03-31 18:05:42 1684 1

原创 C++面试设计模式之单例模式（C++11）

单例模式确保一个类只有一个实例，并提供了一个全局访问点。单例模式，可以说设计模式中最常应用的一种模式了，据说也是面试官最喜欢的题目。但是如果没有学过设计模式的人，可能不会想到要去应用单例模式，面对单例模式适用的情况，可能会优先考虑使用全局或者静态变量的方式，这样比较简单，也是没学过设计模式的人所能想到的最简单的方式了。一般情况下，我们建立的一些类是属于工具性质的，基本不用存储太多的跟自...

2018-03-31 15:59:44 5243 2

原创使用TensorFlow实现卷积与反卷积详细过程

卷积操作tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)除去name参数用以指定该操作的name，与方法有关的一共五个参数：input：指需要做卷积的输入图像，它要求是一个Tensor，具有[batch, in_height, in_width, in_channe...

2018-03-24 15:46:12 6046 2

原创 CTPN/CRNN的OCR自然场景文字识别理解（二）

CRNN1) 端到端可训练（把CNN和RNN联合训练）2) 任意长度的输入（图像宽度任意，单词长度任意）3) 训练集无需有字符的标定4) 带字典和不带字典的库（样本）都可以使用5) 性能好，而且模型小（参数少）网络结构架构包括三部分： 1) 卷积层，从输入图像中提取特征序列； 2) 循环层，预测每一帧的标签分布； 3) 转录层，将每一帧的预测...

2018-03-15 21:33:14 9405 2

原创 ssd 实现文字识别 Textboxes

改进的SSD的地方：default box的长宽比进行修改（长条形），使其更适合文字检测（单词）作为classifier的卷积滤波器大小从3*3变成1*5，更适合文字检测SSD原来为多类检测问题，现在转为单类检测问题从输入图像为单尺度变为多尺度利用识别来调整检测的结果（text spotting）网络结构整个检测流程就是SSD+NMS，识别流程使用的CRNN。 ...

2018-03-15 21:15:53 2482

原创从RCNN到Fast-RCNN再到Faster-RCNN

简述RCNN系列：RCNN通过SS算法挑选候选框，然后将这些候选框统一尺寸放入预训练的CNN中，最后通过全连接层提取固定维度的特征向量，将特征向量送入多个SVM分类器，用SVM进行分类（之所以不用softmax是因为微调时需要大量的负样本，如果使用softmax Map会变低，而SVM使用hard negative mining挑选负样本，更具代表性，可以通过负样本更好的修正位置），对分类结果...

2018-03-15 16:48:33 2281

原创 CTPN/CRNN的OCR自然场景文字识别理解（一）

CTPN前言需阅读faster-rcnn相关摘要问题分析文字目标的特殊性，一个很大的先验是，文字总是水平排列的。文字的特征总感觉体现在edge上。自然场景文字检测的难点在于：小目标，遮挡，仿射畸变。本文使用VGG16，只使用conv5，可能对小文字的检测效果不好。文本检测和一般目标检测的不同——文本线是一个sequence（字符、字符的一部分、多字符组成的一个s...

2018-03-15 15:47:05 20832 2

原创从YOLO到SSD再到YOLO9000（三）

YOLOv2与YOLO9000摘要前篇介绍了基于回归方法的深度学习目标检测方法（YOLO，SSD），本篇将介绍YOLO的升级版YOLOv2，其主要有两个大方面的改进：（1）使用一系列的方法对YOLO进行了改进，在保持原有速度的同时提升精度得到YOLOv2；（2）提出了一种目标分类与检测的联合训练方法，通过WordTree来混合检测数据集与识别数据集之中的数据，同时在COCO和Ima...

2018-03-14 17:01:24 2967

原创从YOLO到SSD再到YOLO9000（二）

SSD摘要基于“Proposal + Classification” 的 Object Detection 的方法，R-CNN 系列（R-CNN、SPPnet、Fast R-CNN 以及 Faster R-CNN），取得了非常好的结果，但是在速度方面离实时效果还比较远在提高 mAP 的同时兼顾速度，逐渐成为 Object Detection 未来的趋势。 YOLO 虽然能够达到实时的效...

2018-03-14 14:55:08 1440

原创从YOLO到SSD再到YOLO9000（一）

YOLO摘要YOLO之前的物体检测方法主要是通过region proposal产生大量的可能包含待检测物体的 potential bounding box，再用分类器去判断每个 bounding box里是否包含有物体，以及物体所属类别的 probability或者 confidence，如R-CNN,Fast-R-CNN,Faster-R-CNN等。YOLO不同于这些物体检测方法...

2018-03-14 12:36:18 4702

fruit的博客