原创 Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition(SPP-net) 筆記

作者:Kaiming He, Xiangyu Zhang, Shaoqing Ren, and Jian Sun SPP—Net 提出背景:          由於CNN的輸入需要固定大小的圖片(比如224*224),而固定大小的圖片是通

原创 SDL2學習筆記1-環境搭建以及Hello SDL

SDL(SimpleDirectMedia Layer)是一套開放源代碼的跨平臺多媒體開發庫,使用C語言寫成。SDL提供了數種控制圖像、聲音、輸出入的函數,讓開發者只要用相同或是相似的代碼就可以開發出跨多個平臺(Linux、Windows

原创 在QT5中搭建SDL2環境以及顯示bmp圖片

        在VisualStudio 2012中配置SDL可以參考這篇文章:SDL2學習筆記1-環境搭建以及HelloSDL         將SDL窗口嵌入MFC總可以參考這篇文章:在MFC中使用SDL2.0(SDL窗口嵌入到MF

原创 虛擬機下Ubuntu安裝CPU版本的caffe

安裝環境:ubuntu14.04+CUDA_7.5.18     由於虛擬機下的Ubuntu系統一般不包含GPU,故這次安裝時爲了在無GUP環境下運行caffe。 有GPU安裝caffe與無GPU安裝caffe的區別一般就兩點: 1

原创 追蹤算法MUSTer體驗

對應論文:MUlti-Store Tracker (MUSTer): a Cognitive Psychology InspiredApproach to Object Tracking 作者該項目相關網站:MUlti-StoreTrac

原创 追蹤算法KCF體驗

本文使用KCF的opencv版本實現。 對應論文:High-Speed Tracking with Kernelized Correlation Filters 編譯環境:VS2015 + win7 64位 相關軟件下載安裝 需要下

原创 You Only Look Once(YOLO)安裝與測試

對應論文: You Only Look Once: Unified, Real-TimeObject Detection   第一步,安裝Darknet。 1.      安裝基本系統Installing The Base System

原创 Live555源代碼下載編譯與測試

一、源代碼的下載: 1.      從官網上下載,下載地址:http://www.live555.com/liveMedia/public/,選擇live555-latest.tar.gz下載。 2.      從CSDN上下載,此版本爲

原创 CIFAR-10在caffe上進行訓練

        CIFAR-10數據集含有6萬個32*32的彩色圖像,共分爲10種類型,由 AlexKrizhevsky, Vinod Nair和 Geoffrey Hinton收集而來。包含50000張訓練圖片,10000張測試圖片。

原创 C語言從TXT文件中讀寫數據

       下面是一個簡單文件讀取測試程序,首先是寫數據,將數字0~9寫入到data.txt文件中,然後再從data.txt中讀取數據,將讀到的數據存到數組a[10]中,並且打印到控制檯上。 下面是程序: #include <stdi

原创 Ruby的幾道題目

Ruby的幾道題目 2016/1/22 一、迴文 給定詞典文檔word.txt(在這裏下載),找出詞典中是迴文的單詞並輸出。迴文詞是指字母順序顛倒但同樣是單詞的詞,例如:level。 編程要求:       (1)設計函數,統一命名爲pa

原创 TensorFlow體驗

TensorFlow體驗 一.簡介         2015年11月9日,Google發佈人工智能系統TensorFlow並宣佈開源,TensorFlow是谷歌基於DistBelief進行研發的第二代人工智能學習系統。其命名來源於本身

原创 在cadence中添加pspice(How to add p-spice lib in cadence)

How to add p-spice lib in cadence. 1.      First, you need to download aspice lib online and name it as “xx.lib”. 2.   

原创 Fast R-CNN筆記

作者:Ross GirshickICCV 2015概要         FastRCNN是RCNN和SPPnet的改進版。Fast RCNN在訓練的時候比RCNN快9倍,比SPPnet快3倍;測試的時候比RCNN快213倍,比SPPnet

原创 Deep Residual Learning for Image Recognition筆記

    ResNet網絡,本文獲得2016 CVPR best paper     本篇文章解決了深度神經網絡中產生的退化問題(degradation problem)。什麼是退化問題呢?如下圖:           上圖顯示,