原创 將KCF應用於Tracking by detection的總結

1、前言 由於目前基於深度學習的detection在實際使用中仍然存在很多的誤檢和漏檢,顯然在實際使用中無法只依賴detection模塊作爲感知,而傳統MOT也存很多因素導致追蹤目標丟失必須重新手動選擇的問題,因此,Trackin

原创 STL中deque詳解

主流的STL容器的數據結構都比較常規,類似List就是實現了鏈表的數據結構,數據以一個node接連串接一個node的形式存儲;vector則是一個連續空間存儲的變長數組,當空間用完後則申請一倍的空間並老數據拷貝到新分配空間中;ma

原创 兩種內存池技術(C++實現)

一、概述 C++相較於其他高級語言來講,能夠方便的進行內存管理和操作,是其優勢也是其劣勢,運用得當將使得你編寫的程序性能大大提升,使用不當也可能給你帶來無盡的麻煩。內存池就是其中的重要技術手段之一,下面重點看看常見的兩種內存池技術

原创 設計模式學習(C++實現)6——橋接模式

概述 結構型模式 接下來七種設計模式歸爲結構型模式,旨在描述如何將類或對象按某種佈局組成更大的結構,其實現有一些類似,主要在功能性上有所區分。 在設計類的時候,如果某個類在多個維度特性上有變化,可以將這些特性抽離爲一個額外的繼

原创 深度學習系列之平臺安裝:TensorFlow安裝(gpu版本,ubuntu16.04)

1.安裝驅動: 參考:https://blog.csdn.net/sinat_40276791/article/details/80403784 查看驅動推薦: $ ubuntu-drivers devices == /sys/

原创 深度學習系列一:邏輯迴歸與線性迴歸

概念: 迴歸是機器學習中一個基礎概念,通俗來講,即從有限的現實事件中提取一系列特徵,通過發現這些特徵之間的關係,尋找其規律,來通過已有的特徵來預測或判斷一個相關的結果,對應數學概念來說,即建立一個數學模型(建模),並對一些已有數據

原创 設計模式學習(C++實現)18——備忘錄模式

概述 以word爲例,我們經常會使用撤銷和前進操作,那麼意味着這個系統必然會存儲其歷史狀態,保證撤銷時能夠讀取,這時候就可以使用備忘錄模式,也稱謂快照模式。 代碼實現 struct State{ int index; s

原创 深度學習系列七:LSTM神經網絡與RNN的對比及理解:基於tensorflow的MNIST例子

LSTM(long-short term memory)networks 是一種特殊的RNN網絡,整體思維一致,具體區別和原理可以參考:http://colah.github.io/posts/2015-08-Understand

原创 Yolov4論文翻譯與解析(一)

前言 時隔兩年之後,伴着Yolo原作者Redmon在twitter正式宣佈退出cv界,大家都以爲yolo系列已經終結的時候,Yolov4橫空出世,雖然作者已經大換血,但論文中給出的測試結果依然保留yolo系列的血統:保持相對較高的

原创 設計模式學習(C++實現)17——訪問者模式

概述 當我們存在一些固定的元素組合,而有一些針對這些元素的訪問者,每個訪問者針對不同的元素有不同的處理,這時候就可以採用訪問者模式。例如,電影院在放映三場電影,有很多觀衆回去看,並且給予不同的評價,這裏三場電影就是固定元素,觀衆就

原创 23種設計模式(c++實現)學習總結

七大基本原則 23設計模式依據七大基本原則,從個人理解,其最根本原則爲開閉原則,其他原則都是基於開閉原則的具體闡述,而23種設計模式又是基於這七大原則的具體時下,個人理解其結構如下: 23種設計模式 創建型模式 主要負責類對

原创 深度學習系列八:支持向量機

前言 支持向量機(SVM)是機器學習中非常重要的一個算法,雖然在今天,它在很多應用層面被神經網絡取代了,但其實現仍然有很多值得學習的地方,而且相比較於神經網絡的黑盒子特性,其解釋性要好很多,訓練的過程也相對更快。 從線性迴歸出發

原创 Yolov4論文翻譯與解析(二)

前言 上一篇主要對論文進行了翻譯,這一篇結合一份代碼詳解下Yolov4相比較於v3採用的一些新技術和改進點,論文中其實已經對於一些技術梗概進行了分析,這裏只對論文沒有詳述的部分進行一些自我的剖析,如果有不準確的部分,歡迎各位大神指

原创 卡爾曼濾波算法示例解析與公式推導

概述 關於卡爾曼濾波算法的解析文章數不勝數,對於其強大和超廣的適用性這裏也不再贅述,這篇文章旨在以極爲簡單而通俗的語言描述卡爾曼濾波,希望數學小白以及日後的自己也能輕鬆看懂。 理解這篇文章只需要基本的數學基礎和一點點概率論知識,當

原创 Yolov4論文翻譯與解析

前言 時隔兩年之後,伴着Yolo原作者Redmon在twitter正式宣佈退出cv界,大家都以爲yolo系列已經終結的時候,Yolov4橫空出世,雖然作者已經大換血,但論文中給出的測試結果依然保留yolo系列的血統:保持相對較高的