zmj52-CSDN博客

原创 8、C++指针

一、指针变量的定义和使用二、指针所占的内存空间三、空指针和野指针四、const修饰指针五、指针和数组六、指针和函数七、指针，数组，函数

2022-07-27 16:51:13 200

原创 7、C++ 函数

一、概述二、函数的定义三、函数的调用四、值传递五、函数的常见样式六、函数的声明七、函数的分文件编写

2022-05-16 21:37:10 235

原创 6、C++数组

数组就是一个集合，里面存放了相同类型的数据元素特点：1、每个数据元素都是相同的数据类型2、由连续的内存位置组成的一、一维数组一维数组的定义方式一维数组数组名举例：冒泡排序二、二维数组...

2022-05-15 15:51:03 322

C/C++支持的最基本三种程序运行结构：顺序结构，选择结构，循环结构。一、选择结构作用：依据条件是否满足，有选择的执行相应的功能1、if语句作用：执行满足条件的语句if语句的三种形式（1）单行格式if语句语法：if(条件为真){执行语句}（2）多行格式if语句语法：if(条件为真){执行语句}else{执行条件为假的语句}（3）多条件的if语句语法：if(条件1为真){执行语句}else if{执行条件2的语句}…else{执行都不满足条件为假的语句}if语句的例子：#incl

2022-05-14 18:29:43 297

原创 4、C++运算符

一、算术运算符作用：用于处理四则运算符符号：正，负加减乘除取余（%）前置递增（a=2,b=++a,a=3,b=3）后置递增（a=2,b=a++,a=3,b=2）前置递减（a=2,b=–a,a=1,a=1）后置递减（a=2,b=a–,a=1,b=2）二、赋值运算符作用：将表达式的值赋给变量符号：= ，+=， -=， *= ，/=， %= (模等于)三、比较运算符作用：用于表达式比较，并返回一个真值或假值符号：==， != ，<， >， <=， >

2022-05-13 20:04:20 82

原创 3、C++数据类型

一、整型二、sizeof关键字三、实型（浮点型）四、字符型五、转义字符六、字符传型七、布尔类型八、数据的输入

2022-05-12 11:15:47 80

原创 2、C++基础知识

一、变量作用：给指定的内存空间起名，方便操作这段内存语法：数据类型变量名=初始值; 如：int a=10;二、常量作用：用于记录程序不可更改的数据定义常量两种方式：1.#define 宏常量：#define 常量名常量值2.const修饰的变量：const 数据类型常量名=常量值，写到函数体内部就行。三、关键字作用：是C++中预先保留的单词在给变量或常量起名时不要使用关键字否则会产生歧义四、标识符命名规则标识符命名规则：1.不能是关键字2.只能有字母数字下划线

2022-05-10 18:06:16 82

原创 1、C++基础入门

1.1 编写C++程序所使用软件使用Visual Studio共分四个步骤（a）创建项目（b）创建文件（c）编写代码（d）运行程序（a）创建项目（b）创建文件（c）编写代码及注释（d）运行程序

2022-05-09 11:27:27 277

原创 opencv_图像的滤波、增强和形态学操作

一、图像滤波1、滤波实际上是信号处理得一个概念，图像可以看成一个二维信号，其中像素点的灰度值代表信号的强弱；2、高频：图像上变化剧烈的部分；3、低频：图像灰度值变化缓慢，平坦的地方；4、根据图像高低频，设置高通和低通滤波器。高通滤波器可以检测变化尖锐，明显的地方，低通可以让图像变得平滑，消除噪声；5、滤波作用：高通滤波器用于边缘检测，低通滤波器用于图像平滑去噪；6、线性滤波：方框滤波/均值滤波/高斯滤波；7、非线性滤波：中值滤波/双边滤波领域算子：利用给定像素周围的像素值决定此像素的最终

2021-09-22 22:14:21 1483

原创 opencv图像处理—图像基本处理

一、opencv中绘图函数1、线段绘制2、矩形绘制3、圆、椭圆绘制4、添加文字二、图像的几何变换1、平移2、缩放3、旋转4、镜像5、仿射变换6、透视变换

2021-09-21 11:58:18 1008

原创神经网络名词解释

batchsize：批量大小将决定我们一次训练的样本数目。batch_size将影响到模型的优化程度和速度。作用：batchsize的正确选择是为了在内存效率和内存容量之间寻找最佳平衡。Batch_Size的取值：全批次如果数据集比较小，我们就采用全数据集。全数据集确定的方向能够更好的代表样本总体，从而更准确的朝向极值所在的方向。注：对于大的数据集，我们不能使用全批次，因为会得到更差的结果。迷你批次选择一个适中的Batch_Size值。就是说我们选定一个batch的大小后，将会以batch

2021-08-30 11:57:07 1351

原创语义分割数据集制作

一、简述1、使用到的软件是labelme,对图像数据进行标注，生成标注文件.json文件。2、针对.json文件，在终端输入指令：labelme_json_to_dataset 路径/文件名.json 即可生成dataset文件夹。3、为文件夹下的label.png进行颜色填充，得到24位的着色索引图。...

2021-06-21 09:51:33 2313

原创 googlenet-01论文导读

一、摘要.1、本文主题：提出名为Inception的深度卷积神经网络，在ILSVRC-2014获得分类及检测双料冠军2、模型特点1：Inception特点是提高计算资源利用率，增加网络深度和宽度时，参数少量增加3、模型特点2：借鉴Hebbain理论和多尺度处理...

2021-05-28 10:56:08 192

原创 opencv图像处理_图像基础知识

一、数字图像二、图像的属性

2021-04-20 17:09:00 645

原创 VGG16论文代码复现

一、项目环境参考：https://editor.csdn.net/md/?articleId=115305726二、项目结构预训练模型‘vgg11’: ‘https://download.pytorch.org/models/vgg11-bbd30ac9.pth’,‘vgg13’: ‘https://download.pytorch.org/models/vgg13-c768596a.pth’,‘vgg16’: ‘https://download.pytorch.org/models/vgg16-

2021-04-20 11:35:41 1054 2

原创 VGG论文导读

一、论文研究背景、成果及意义https://download.pytorch.org/whl/torch_stable.html（pytorch相应的轮子）相关研究1、AlexNet：借鉴卷积模型结构2、 ZFNet：借鉴其采用小卷积核思想3、 OverFeat：借鉴全卷积，实现高效的稠密（Dense）预测4、 NIN：尝试11卷积研究意义1、开启小卷积核时代：33卷积核成为主流模型2、作为各类图像任务的骨干网络结构：分类、定位、检测、分割一系列图像任务大都有VGG为骨干网络的尝试二

2021-04-09 15:10:26 416

原创 face_recognition人脸识别项目——优化版本

想比之前的face_recognition人脸识别项目的优化有如下几点1、用MySQL数据库存储人脸特征信息2、调用网络摄像头识别人脸，将待识别的人物进行识别，并实时地与数据库中的人脸特征信息进行比对，同时判断出被识别者的身份。3、把识别者的名字输出由英文变成了汉字4、在dlib上启用了GPU加速一、MySQL数据库存储人脸特征信息(mysql的学习笔记)对于MySQL数据库的操作采用Navicat可视化工具，数据库为test,表为face如图import face_recognition

2021-04-06 13:40:23 993 1

原创 alexnet论文代码复现

一、环境配置opencv-python 4.1.2.30Pillow 8.1.2tensorboard 2.4.1torch 1.4.0+cuda10.1torchsummary 1.5.1torchvision 0.5.0+cuda10.1numpy 1.

2021-04-02 16:43:06 308

原创 face_recognition人脸识别项目

本项目的人脸识别是基于业内领先的C++开源库 dlib中的深度学习模型，用Labeled Faces in the Wild人脸数据集进行测试，有高达99.38%的准确率。但对小孩和亚洲人脸的识别准确率尚待提升。环境配置：基于windows10下dlib 19.7.0dlib-19.7.0-cp36-cp36m-win_amd64.whlpip install dlib-19.7.0-cp36-cp36m-win_amd64.whlpython 3

2021-03-29 16:21:07 341

原创 Alexnet论文导读

一、论文导读参考来自《ImageNet Classification with Deep Convolutional Neural Networks》1）摘要1、在ILSVRC-2010的120万张图片上训练AlexNet，获得最优结果， top-1和top-5error分别为 37.5%, 17%。2、该网络（ AlexNet）由5个卷积层和3个全连接层构成，共计6000万参数， 65万个神经元。3、为加快训练，采用非饱和激活函数——ReLU，采用GPU训练4、为减轻过拟合，采用Dropou

2021-03-23 22:03:30 175

原创 yolo系列——yolov2

v2 用coco数据集训练后，可以识别80个种类。Yolo9000可以使用coco数据集+ImageNet数据集联合训练，可以识别9000多个种类，但核心都是yolov2的算法。（1）batch normlizationa)在目前的网络结构中，BN逐渐变成了标配，在YOLO的每个卷积层中加入BN之后，MAP提升了2%，并且除了Dropout。（2）相比v1的改进a)在v1中，网络的backbone部分会在ImageNet数据集上进行预训练，训练时网络输入图像的分辨率224*224。b）在V2中，输

2021-03-11 16:33:30 257

原创 k-Means聚类算法

（1）K-means算法a)聚类是一种无监督的学习，它将相似的对象归到一个簇中，将不相似对象归到不同的簇中。使用的数据类型是数值类型。b)相似这一概念取决于所选择的相似度计算方法，例如计算欧式距离。c)K-means是发现给定数据集的K个簇的聚类算法，之所以称之为k-均值，是因为它可以发现k个不同的簇，且每个簇的中心采用簇中所含值的均值计算。d)簇的个数k是用户指定的，每一个簇通过其质心(centroid)，即簇中所有的中心点来描述。e)聚类与分类算法最大的区别在于，分类的目标类别已知，而聚类的目

2021-03-11 13:56:11 539

原创 yolo系列——yoloV1

一、基于深层神经网络的目标检测双阶段：第一级网络用于候选区域提取；第二级网络对提取的候选区域进行分类和精确坐标回归，例如RCNN系列单阶段：放弃了候选区域提取这一步骤，只用一级网络就完成了分类和回归两个任务，例如YOLO和SSD等二、YOLO——检测速度很快，精度也较好。（1）原理a)一次性输出所检测到的目标信息，包括类别和位置。b)只要求这个物体的中心在某个grid（网格）之内。（小红框）c)对于每个grid都预测出B个bounding boxs（根据中心grid预测出所检测的目标的大框框，

2021-03-08 16:45:27 294

原创 pytorch(9)——模型容器与AlexNet构建

一、网络层容器(Containers)1、容器之Sequentialnn.Sequential 是 nn.module的容器，用于按顺序包装一组网络层• 顺序性：各网络层之间严格按照顺序构建• 自带forward()：自带的forward里，通过for循环依次执行前向传播运算62、容器之ModuleListnn.ModuleList是 nn.module的容器，用于包装一组网络层，以迭代方式调用网络层主要方法：• append()：在ModuleList后面添加网络层• exten

2021-02-08 21:28:35 79

原创 pytorch(8)——模型创建与nn.Module

一、网络模型创建步骤具体实现的前向传播二、nn.Module属性

2021-02-07 17:22:45 112

原创 pytorch(7)——二十二种transforms数据预处理方法

一、数据增强数据增强：叫数据增广，数据扩增，他是对训练集进行变换，使训练集更丰富从而让模型更具泛化能力。二、transforms——裁剪1）transforms,Centercrop功能：从图像中心裁剪图片size:所需裁剪图片尺寸三、transforms——翻转和旋转...

2021-02-05 16:05:31 1030 1

原创 pytorch(6)——图像预处理-transforms

一、transforms运行机制torchvision:计算机视觉工具包，包含三个模块：1)torchvision.transforms：常用的图像预处理方法数据中心化，数据标准化，缩放，裁剪，旋转，翻转，填充，噪声添加，灰度变换，线性变换，仿射变换，亮度，饱和度及对比度变换。这些操作都是为了提供模型的泛化能力2)torchvision.datasets：常用数据集的dataset实现，MNIST,CIFAR-10,ImageNet等3）torchvision.model：常用的模型预训练，Ale

2021-01-21 18:41:03 313

空空如也

空空如也