![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
C++
张杰_
热爱代码的男孩。
展开
-
卷积的C++代码实现(same、full、valid)
介绍卷积的作用和原理的文章很多,此处就不再赘述,以防自己的理解不够而误解了别人。此篇文章主要是介绍C++实现卷积的三种操作。需要注意的是,‘same’和‘full’只是将被卷积的矩阵做了相应尺寸的0填充后再进行‘valid’卷积即可。此处默认步长1。三种卷积操作的示意图:Valid:Same:Full:源码:#include <iostream&...原创 2019-03-21 21:22:47 · 7709 阅读 · 0 评论 -
LBP的C++实现
使用了两种实现方式,一种是使用vector和Point数据结构实现,另一种是使用基础的数据结构指针实现(uchar、int)。在i7-6700的机器上第一种方法耗时17s,第二种方法耗时1.3s(若需要做到实时效果,需达到20+fps,仍需优化)。#include <iostream>#include <opencv/cv.h>#include <ope...原创 2019-03-22 13:32:25 · 568 阅读 · 0 评论 -
池化层学习笔记(C++实现)
参考文章:《深度学习笔记5:池化层的实现》池化层的理解:池化层是卷积神经网络中常用的操作,属于前馈神经网络的一部分。主要功能:1. 降低参数规模,防止过拟合2. 提高模型鲁棒性(当图像有小的平移时,maxpooling结果不变)主要方法3. Max-pooling:最大池化4. Mean-pooling:平均池化目标矩阵的尺寸![300*300](https://img-b...原创 2019-03-22 19:45:02 · 2170 阅读 · 0 评论 -
K近邻法(KNN)(学习笔记、C++代码实现)(未完持续更新)
K近邻法参考:《统计学习方法-李航》K近邻法(K-nearest neighbor,k-NN)是一种基本分类和回归方法,本文为分类方面的学习笔记。K近邻法的输入为实例的特征向量,对应于特征空间的点;输出为实例的类别。K值的选择、距离度量及分类决策规则是K近邻法的三个基本要素K近邻算法K近邻算法的基本思路:给定一个训练集,对新的输入实例,在训练数据集中找到与该实例最邻近的K个实例,这...原创 2019-04-06 13:20:59 · 480 阅读 · 0 评论