- 博客(11)
- 资源 (65)
- 收藏
- 关注
转载 ubuntu系统传送文件和文件夹
传送matlab2014b文件夹:xiao@xiao:~$ scp -r matlab2014b bcy@192.168.1.×:~传送1.txt文本:xiao@xiao:~$ scp 1.txt bcy@192.168.1.×:~
2017-08-24 14:50:52 995
原创 vs里不显示局部变量了
首先,你要确保VS处于调试状态(因为编辑状态和调试状态的菜单以及工具栏会不同)。然后选择菜单【调试】-【窗口】里面的【局部变量】、【自动窗口】和【监视】-【监视 n】都可以显示变量的值,只是显示的变量会不同
2017-08-18 10:52:51 21424 1
转载 【opencv】VS2010+CMake重编译opencv2.4.10
实验平台WinXP + VS2010 + opencv2.4.10 + CMake3.3.0重编译两问为什么要重编译? 为了在调试时可以跟踪进入到源码中,我们需要重新编译生成.dll和.lib文件,这样替换掉OpenCV提供的.dll和.lib文件,就可以解决这个问题。 本来opencv提供的动态链接库就已经是可以用的
2017-08-11 19:58:29 689
转载 Linux16.04配置
转自师弟的博客: http://blog.csdn.net/zhangxiangweide/article/details/74779652linux分区设置。法一:Swap(相当于电脑内存):逻辑分区、大小设置为电脑内存大小,2G,4G;/boot(引导分区):主分区:大小设置为200M;/home(用户存储数据用):逻辑分区,要尽可能大,100G空间可以设置为85G,留
2017-08-11 19:50:15 374
原创 caffe提取网络各个层的特征
怎么把网络各个层的特征保存成数据呢?以我们经典的minist例子开始,在上一篇博客生成模型的基础上提取minis的卷积1层为例。一: 先编译好caffe,生成build。二:参考 http://blog.csdn.net/ture_dream/article/details/77100115训练minist模型三:输入./build/to
2017-08-11 18:37:49 2431 1
原创 minist例子
让师弟跑minit例子,他说找不到博客,现找到一个,亲测可行 Mnist介绍为了程序的简洁,在caffe中是不带练习数据的,因此需要自己去下载。但在caffe根目录下的data文件夹里,作者已经为我们编写好了下载数据的脚本文件,我们只需要联网,运行这些脚本文件就行了。 Mnist介绍:mnist是一个手写数字库,由DL大牛YanLeCun进行维护。mni
2017-08-11 16:51:24 626
转载 faster rcnn中rpn的anchor
作者:马塔链接:https://www.zhihu.com/question/42205480/answer/155759667来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。首先我们需要知道anchor的本质是什么,本质是SPP(spatial pyramid pooling)思想的逆向。而SPP本身是做什么的呢,就是将不同尺寸的输入resi
2017-08-07 13:42:45 11492 2
原创 一张图理解训练的BP反向传播
经过同学许可,借用他的图来讲讲深度学习的反向传播,不涉及具体推导,宏观把握原理。深度学习训练过程是训练模型的过程,实质上不过是权值更新的过程,即图上公式从W(old)到W(new)的过程,当然这里是循环往复、迭代进行。h(x)是旧的权值参数和特征向量的内积,是实数。再经过激活函数例如sigmoid函数归一化带到网络的预值f(x),最后测计算损失函数J,公式里y是标签值,你懂得,预测
2017-08-05 15:56:52 923
转载 Caffe实战系列:实现自己Caffe网络层
由于之前介绍过一次关于实现自己的网络层的文章,但是那篇文章偏难,这次我以最简单的对图像进行缩放的层为例进行实现。在进行讲解之前,有一些必要条件你需要掌握,那就是你已经很了解怎么安装caffe,并且知道caffe里头的各个目录。首先我们设计我们层所拥有的参数out_height,即输出的图像的高度out_width,即输出图像的宽度visualize,是否需要将图像显示出来
2017-08-05 11:30:38 367
转载 神经网络之激活函数(Activation Function)
神经网络之激活函数(Activation Function)本博客仅为作者记录笔记之用,不免有很多细节不对之处。还望各位看官能够见谅,欢迎批评指正。更多相关博客请猛戳:http://blog.csdn.net/cyh_24如需转载,请附上本文链接:http://blog.csdn.net/cyh_24/article/details/50593400日常 codin
2017-08-05 09:23:31 459
转载 【论文学习笔记】Joint Cascade Face Detection and Alignment
关键思想是将人脸检测和人脸标点结合起来。一个应用比较广泛的人脸检测方法,Viola-Jones检测器是基于以下两个原则进行检测的:1,逐步提升的级联结构;2,简单的特征。这种方法在日常生活场景中效果不甚理想。其他有许多工作是针对多视角的人脸检测【10,17,27,7】他们采用分治策略——在不同视角和头部姿态下,分别训练不同的检测器。这种做法往往更加麻烦,使得系统性能和准确度
2017-08-04 14:14:46 344 1
Gradient-Based Learning Applied to Document Recognition
2016-11-02
Finding People in Images and Videos
2016-10-25
The-Fastest-Pedestrian-Detector-in-the-West
2016-10-24
Robust Object Detection Via Soft Cascade
2016-10-24
递归输出vector
2017-03-28
istream_iterator 读取输入文件
2017-03-28
逆序reverse_iterator打印
2017-03-28
聊天界面 vvv
2017-03-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人