- 博客(19)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 Mask RCNN中的RoiAlign源码（caffe2）解读
RoiAlign原理就不介绍了，可参考这个链接，博主在里面介绍的已经非常清楚。今天刚把对应的caffe2源码看了一遍，并添加了详细的注释，希望帮助大家理解，有问题欢迎指正，谢谢！#include "roi_align_op.h"#include "caffe2/utils/eigen_utils.h"#include "caffe2/utils/math.h"#ifdef CAFFE
2018-01-31 20:49:34
5276
3
原创 使用Nvidia Jetson TX1，在新的C++工程中调用caffe
使用Nvidia Jetson TX1，在新的C++工程中调用caffe最近在英伟达的嵌入式平台下做一些任务，需要在一个现有的工程中调用caffe，这里简单记录一下中途遇到的一些问题和相应的配置方法-caffe安装 首先，保证开发板上已经配置好caffe，此处caffe配置过程暂时省略，我的开发板操作系统是ubuntu的，配置过程基本没遇到什么麻烦。有一点需要提一下，在编译caffe过程中，遇到一
2017-05-10 11:28:42
1392
原创 DeepID3 face recognition
DeepID3 face recognition刚看完DeepID3[1]，总结一下，还是先简单介绍一下网络结构吧。Network ArchitectureDeepID3有两种不同的结构，分别为DeepID3 net1，DeepID3 net2。相对DeepID2+[2]，它的层数更多，网络更深。同时还借鉴了VGG net[3]和GoogLeNet[4]，引入了inception layer，这个主
2016-08-07 23:03:09
9499
5
原创 DeepID2+ face recognition
DeepID2+ face recognitionDeepID2+[1]的结构与DeepID2[2]基本一致，不同之处在于每个conv layer的feature maps数量不同，同时每个conv layer在maxpooling之后都连接了fully-connected layer（简称Fc-1，Fc-2，Fc-3，Fc-4）。与DeepID2一样，DeepID2+也引入了identificat
2016-08-06 03:45:04
2527
原创 DeepID2 face recognition
DeepID2 face recognitionDeepID2[1]采用了和DeepID相似的网络架构，但是又有很多不同，除了前期patches的准备方法，还有训练的方式，最终分数的融合方法。LFW上的人脸验证准确率也达到了99.15%，人类的准确率为99.20%，这是计算机第一次在人脸验证领域与人类不相上下。Network Architecture DeepID2的网络结构和DeepID基本一致
2016-08-04 00:20:32
1518
原创 C++中嵌入python程序——使用API接口，从函数到类
C++中嵌入python程序——使用API接口，从函数到类上一篇博客介绍了C++中使用命令行模式调用python，但是感觉交互性相当不足，本文介绍使用API接口调用python程序的函数和类对象。 开发环境为win7 64位，vs2010，python2.7.12 首先需要配置环境，创建win32控制台程序，然后对工程进行配置。 项目–>属性–>vc++目录–>包含目录 添加python安装
2016-07-22 12:00:51
9843
9
原创 C++中嵌入python程序——命令行模式
C++中嵌入python程序——命令行模式最近写个程序，由于需要使用C++框架，但是一部分功能是基于python的，所以需要利用C++调用python程序。虽然你知道python有相关的API接口，但是为了省事，我想到一个最简单的模式——C++程序中使用命令行模式调用python。本文先介绍命令行模式调用python，在下一篇博客中，我会继续介绍如何使用API接口调用python命令行模式的好处是C
2016-07-22 10:54:19
3885
2
原创 DeepID face recognition
DeepID face recognition最近开始看人脸识别方向的论文，对DeepID做了点总结并做成了PPT，写到博客里供大家参考
2016-07-14 19:44:28
4077
转载 在windows7(64位)下安装python(3.4)的theano库
在windows7(64位)下安装python(3.4)的theano库本文转自http://yiisama.lofter.com/post/1cc07f63_5804e67楼主折腾这件事情长达10个小时，其中走了不少弯路，现记下方法以备不时之需，或帮助其他和我一样蛋疼到在windows下工作的人。如果你百度一下windows安装theano，里面多半都是告诉你太麻烦了，让你转用Anaconda、W
2016-07-06 17:25:15
886
原创 win7+python2.7下安装spark
最近在学习spark，由于我的python是在windows下安装的，好多库也已经配置好，所以需要将spark安装在windows环境下，下面是安装过程：
2016-03-30 23:03:24
6769
4
原创 计蒜之道 初赛 第一场 搜狗输入法的分词算法
搜狗输入法最近的用户输入中出现了一种新的输入模式，形如 “0k1234567”，搜狗的工程师发现这一模式后了解到，这是一种新被提出的对于十五进制数字的标记模式，其中 “0k” 是标记进制为15的前缀标记，之后的部分 “1234567” 是实际的十五进制的数字串。在发现这一标记模式后，搜狗的工程师开始尝试在已有的分词算法上进一步加入对于十五进制数字串的处理，把网页上的这种形式的 15 进制数正确
2015-07-18 15:15:45
750
原创 Region Covariance: A Fast Descriptor forDetection and Classification算法流程简介
Region Covariance: A Fast DescriptorforDetection and Classification算法流程简介1. 首先计算图像的特征矩阵其中F(x,y)维度为W×H×d，W，H分别为图像的宽和高，d为特征种类数提取的特征为intensity, color, gradients以及各种频域变换后的值。 2.
2015-04-07 17:36:43
1771
原创 LeetCode 189 Rotate Array
题目：Rotate an array of n elements to the right by k steps.For example, with n = 7 and k = 3, the array [1,2,3,4,5,6,7] is rotated to [5,6,7,1,2,3,4].Note:Try to come up as many soluti
2015-04-01 11:27:08
381
原创 LeetCode 190 Reverse Bits
题目：Reverse bits of a given 32 bits unsigned integer.For example, given input 43261596 (represented in binary as 00000010100101000001111010011100), return 964176192 (represented in binary as0
2015-03-28 11:12:19
374
原创 LeetCode191 Number of 1 Bits
题目：Write a function that takes an unsigned integer and returns the number of ’1' bits it has (also known as the Hamming weight).For example, the 32-bit integer ’11' has binary representation 0
2015-03-25 11:18:59
437
原创 随机森林特征筛选
刚看到一篇介绍特征筛选的文章，里面介绍基于模型的特征排名，附加了一个随机森林的python程序，感觉挺好，赶紧mark下来。程序使用了skliearn机器学习库，数据集为boston房屋价格数据，源程序如下所示：fromsklearn.cross_validation importcross_val_score, ShuffleSplitfromsklearn.data
2015-02-14 16:01:21
12750
2
原创 图像Ostu二值化原理及matlab实现代码
Ostu假设图像是由前景区域和背景区域两部分组成的，通过遍历计算不同阈值（通常为[0 255]区间范围内）下分割结果中前景区域和背景区域的灰度直方图，然后比较两者之间的方差，使得方差最大化的那个灰度阈值即为所求二值化阈值。matlab程序如下所示：此外，matlab中还有现成的Ostu阈值分割函数，用法如下： I = imread('D:\test.
2015-01-24 11:32:23
16052
1
操作系统（清华大学第三版）
2011-04-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人