原创 Opencv copyTo()理解

image.copyTo(imageROI) 作用是把image的內容複製粘貼到imageROI上; 是將logoImage直接複製黏貼在imgROI區域。 image.copyTo(imageROI,mask)  作用是把mask

原创 OpenCV自適應閾值處理

 局部自適應閾值則是根據像素的鄰域塊的像素值分佈來確定該像素位置上的二值化閾值。這樣做的好處在於每個像素位置處的二值化閾值不是固定不變的,而是由其周圍鄰域像素的分佈來決定的。亮度較高的圖像區域的二值化閾值通常會較高,而亮度較低的圖像區域的

原创 當CAsyncSocket遇到多線程

現象 用多線程方法設計socket程序時,你會發現在跨線程使用CAsyncSocket及其派生類時,會出現程序崩潰。所謂跨線程,是指該對象在一個線程中調用Create/AttachHandle/Attach函數,然後在另外一個線程中調用其

原创 CString發生內存泄露

MFC對話框程序在退出時,發生了內存泄露: Detected memory leaks! Dumping objects -> {98500} normal block at 0x05785AD0, 152 bytes long. Da

原创 OpenCV基本函數操作作業

1.創建一個100*100的兩維三通道矩陣,初始值爲全0 a.使用cv::circle在矩陣中畫一個圓; b.顯示這個圖片。 Mat src3 = Mat(100,100,CV_8UC3, Scalar::all(0)); Poi

原创 OpenCV座標系與row&col的關係

座標體系中的零點座標爲圖片的左上角,X軸爲圖像矩形的上面那條水平線;Y軸爲圖像矩形左邊的那條垂直線。該座標體系在諸如結構體Mat,Rect,Point中都是適用的。(雖然網上有學着說OpenCV中有些數據結構的座標原點是在圖片的左下角,但

原创 斯坦福CS231n李飛飛計算機視覺之線性分類上

線性分類器簡介 線性評分函數 闡明線性分類器 譯者注:上篇翻譯截止處 損失函數 多類SVM Softmax分類器 SVM和Softmax的比較 基於Web的可交互線性分類器原型 小結 線性分類 上一篇筆記介紹了圖像分類問題。圖像分類的

原创 斯坦福CS231n李飛飛計算機視覺之數據驅動的圖像分類下

圖像分類、數據驅動方法和流程 Nearest Neighbor分類器 k-Nearest Neighbor 驗證集、交叉驗證集和超參數調優 譯者注:下篇翻譯起始處 Nearest Neighbor的優劣 小結 小結:應用kNN實踐 拓

原创 斯坦福CS231n李飛飛計算機視覺之數據驅動的圖像分類上

圖像分類、數據驅動方法和流程 Nearest Neighbor分類器 k-Nearest Neighbor 譯者注:上篇翻譯截止處 驗證集、交叉驗證集和超參數調參 Nearest Neighbor的優劣 小結 小結:應用kNN實踐 拓

原创 斯坦福CS231n李飛飛計算機視覺之線性分類下

線性分類器簡介 線性評分函數 闡明線性分類器 損失函數 多類SVM Softmax分類器 譯者注:下篇翻譯起始處 SVM和Softmax的比較 基於Web的可交互線性分類器原型 小結 Softmax分類器 SVM是最常用的兩個分類器之

原创 斯坦福CS231n李飛飛計算機視覺之線性分類中

線性分類器簡介 線性評分函數 闡明線性分類器 損失函數 多類SVM 譯者注:中篇翻譯截止處 Softmax分類器 SVM和Softmax的比較 基於Web的可交互線性分類器原型 小結 損失函數 Loss function 在上一節定義

原创 coursera-斯坦福-機器學習-吳恩達-OCR文字識別

十八、應用實例:圖片文字識別(Application Example: Photo OCR) 18.1 問題描述和流程圖 參考視頻: 18 - 1 - Problem Description and Pipeline (7 min).mk

原创 coursera-斯坦福-機器學習-吳恩達-在線學習和多臺計算機計算

17.5 在線學習 參考視頻: 17 - 5 - Online Learning (13 min).mkv 在這個視頻中,討論一種新的大規模的機器學習機制,叫做在線學習機制。在線學習機制讓我們可以模型化問題。 今天,許多大型網站或者許多大

原创 coursera-斯坦福-機器學習-吳恩達-是否要大規模機器學習

十七、大規模機器學習(Large Scale Machine Learning) 17.1 大型數據集的學習 參考視頻: 17 - 1 - Learning With Large Datasets (6 min).mkv 如果我們有一個低

原创 coursera-斯坦福-機器學習-吳恩達-大量數據獲取和上限分析

18.3 獲取大量數據和人工數據 參考視頻: 18 - 3 - Getting Lots of Data and Artificial Data (16 min).mkv 如果我們的模型是低方差的,那麼獲得更多的數據用於訓練模型,是能夠有