确定有穷自动机

一文读懂PID控制算法（抛弃公式，从原理上真正理解PID控制）PID控制应该算是应用非常广泛的控制算法了。小到控制一个元件的温度，大到控制无人机的飞行姿态和飞行速度等等，都可以使用PID控制。这里我们从原来上来理解PID控制。 PID(proportion integration differentiation)其实就是指比例，积分，微分控制。先把图片和公式摆出来，看不懂没关系。（一开始看这...

这几天用了matconvnet（MATLAB下的深度学习工具）踩了好几个坑，还好最终总算是能用了。现在把其中遇到的坑总结一下。matconvnet的官网：http://www.vlfeat.org/matconvnet/按照官网上的说明，其实在windows和cpu下编译，完全没问题。基本上不用改什么地方，按照官网说明就一遍过了。当需要训练网络的时候，把代码搬到linux和gpu上，就

最近需要用MATLAB在远程的服务器上的GPU跑深度学习的程序，但是可视化连接了远程服务器以后，操作非常的卡顿，所以我就在本机上调试好代码，在本机的cpu下跑通了，再搬到服务器上改一下配置用GPU去跑。整个过程，需要在本机修改代码然后考到服务器，然后可能服务器上改了某些东西又要考回本机，所以这样操作起来非常麻烦。于是，想到了可以用git在服务器上自己建一个仓库，然后在本地拉下来这个仓库的内容就

最近需要做一个图像分割的程序，查了opencv的源代码，发现opencv里实现的图像分割一共有两个方法，watershed和mean-shift算法。这两个算法的具体实现都在segmentation.cpp文件内。watershed（分水岭算法）方法是一种基于边界点的分割算法。我想好好的研究一下， 网上找了一些博客和教程，感觉也就泛泛的解释了一下实验的流程，具体算法的运行过程并不清楚，又把原始

《Region-based Convolutional Networks for Accurate Object Detection and Segmentation》是将卷积神经网络应用于物体检测的一篇经典文章。整个识别过程可以用下面的一张图片来清晰的表示：首先给定一张输入图像，采用selective search产生区域提名，因为区域提名的长宽比例不一样，将提取出的区域缩放为固定的大小

caffe是一个非常清晰且高效的深度学习框架，目前有着不少的用户，也渐渐的形成了自己的社区，社区上可以讨论相关的问题。我从开始看深度学习的相关内容到能够用caffe训练测试自己的数据，看了不少网站，教程和博客，也走了不少弯路，在此把整个流程梳理和总结一遍，以期望可以可以仅仅通过这一篇文章就可以轻松的用caffe训练自己的数据，体验深度学习的乐趣。1.安装和配置caffecaffe的安装

最近利用hog+svm做了一个物体检测的小程序，可以先给大家看看实验的结果。从照片中，检测出以任意姿态摆放在任意位置的公仔。插入图片其实吧，网上关于hog和svm的教程和书籍也非常多。但是很少有那种让初学者或者不太了解相关内容的人一看就懂的文章或是博客。反正我是看了好多的博客，文章，又找了程序动手做，才能大概理解程序的具体运行过程。所以，我这次重点做一下查漏补缺的工作，我把别人文章里经常会

关于这个问题，晚上有很多现成的方法，但是很多方法也都存在问题，所以自己总结一下，把自己的安装过程记录下来，也方便以后查阅。1.需要的包：    GCC 4.4.x 或更高    CMake 2.8.7 或更高    Git    GTK+2.x 或更高，包括头（libgtk2.0-dev）    pkg-config    Python 2.6

该博文将openCV中的RANSAC代码全部挑选出来，进行分析和讲解，以便大家更好的理解RANSAC算法。代码我都试过，可以直接运行。在计算机视觉和图像处理等很多领域，都需要用到RANSAC算法。openCV中也有封装好的RANSAC算法，以便于人们使用。关于RANSAC算法的一些应用，可以看我的另一篇博客，利用SIFT和RANSAC算法（openCV框架）实现物体的检测与定位，并求出变换矩阵

本文计划采用socket实现客户端和服务端的任意双向通信，即客户端可以随时给服务端发消息，服务端也可以随时给客户端发消息，最终结果就是一个类似与QQ的聊天软件的功能。以下代码可以直接拷贝到Eclipse中运行。前面的两片文章都利用了socket实现了客户端与服务器的通信，我的前两片文章：Java中利用socket实现简单的服务端与客户端的通信（入门级），实现了一个简单的客户端发送消息，

在上一篇文章中，简单的介绍了java中入门级的socket编程，简单的实现了客户端像服务器端发送数据，服务器端将数据接收并显示在控制台，没有涉及多线程。上一篇文章的链接：Java中利用socket实现简单的服务端与客户端的通信（入门级）这次，我们将上一节中的代码进行少许的更改，将服务器更改为多线程，使得服务器可以为多个客户端服务。因为是服务器端实现的多线程，所以客户端的代码不用做任何更改，

Java编程中，要想要使用网络通信，就离不开Socket编程，在此对socket进行简单的介绍。首先声明，这是一个入门级的介绍，仅仅简单的实现了客户端向服务端发送数据，服务端正常的接收数据，当接收到特定的数据时，服务端和客户端都关闭，一个服务端对应一个客户端，不涉及多线程等内容，一切都是最简单最基础的知识点。下面给出的代码，可以直接拷贝到eclipse中运行， 无需任何更改。关于socke

一开始接触git或是github的程序员可能搞不太清楚这些名词到底指代的是什么，所以在这里稍微说明一下。git和github是两个完全不同的概念。git是一个版本管理工具，是可以在你电脑不联网的情况下，只在本地使用的一个版本管理工具，其作用就是可以让你更好的管理你的程序，比如你原来提交过的内容，以后虽然修改了，但是通过git这个工具，可以把你原来提交的内容重现出来，这样对于你后来才意识到的一些

这几天刚刚学习一下安卓的编程，尝试制作了一个简单的聊天界面（还没有实现网络等后续功能）软件界面如图。（使用eclipse实现）当输入一些内容后，聊天界面可以下拉显示更多的聊天信息，如下图首先对这个聊天软件的界面进行一个总结，要能够实现聊天信息的下拉功能，需要使用ListView空间，文字输入界面需要使用EditView，按钮的实验需要用到Button，关于按钮，需要为按钮添

SIFT算法是目前公认的效果最好的特征点检测算法，关于该算法的就不多说了，网上的资料有很多，在此提供两个链接，一个是SIFT原文的译文，一个是关于SIFT算法的详细解释：SIFT算法译文SIFT算法详解整个实现过程可以复述如下：提供两张初始图片，一幅为模板图像，一幅为测试图片，目的就是根据模板图片中的物体，检测出测试图片中的物体，并表示出物体的具体位置和大小，测试图片中的物体位

最近在学习物体识别方面的技能。在特征点的提取领域，SIFT特征点是非常经典的一个特征点提取算法。RANSAC算法，是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法。本文的步骤就是，先利用SIFT算法对训练图片和实验图片分别提取特征点，然后将两次提取的特征点进行匹配，这种单纯的匹配方式会产生很多错误的匹配。然后用RANSAC方法，求出变换矩阵，从而可以排除大部