原创 LRN 局部響應歸一化的理解

一、LRN技術介紹: Local Response Normalization(LRN)技術主要是深度學習訓練時的一種提高準確度的技術方法。其中caffe、tensorflow等裏面是很常見的方法,其跟激活函數是有區別的,LR

原创 廖雪峯Python官方教程(七)

廖雪峯Python官方教程(七)9 面向對象編程10 面向對象編程高階11 錯誤、調試和測試11.1 錯誤處理11.2 調試11.3 單元驅動測試11.4 文檔測試 9 面向對象編程 10 面向對象編程高階 11 錯誤、調試和測試

原创 廖雪峯Python教程筆記(一)

廖雪峯Python教程筆記(一)1 教程&簡介2 安裝&python解釋器3 第一個python程序4 python基礎 1 教程&簡介 完成同一個任務,C語言要寫1000行代碼,Java只需要寫100行,而Python可能只要2

原创 打印CSDN網頁內容

打印CSDN博文內容,將以下js複製放入Chrome開發者選項裏邊的console,回車即可。 具體步驟 1、在空白處右鍵。選擇“檢查” 2、點擊上面的console選項, 3、將下面的代碼粘貼(如下圖右下角),回車,就會自動跳轉

原创 深度學習目標檢測原理精講+實戰演練

深度學習目標檢測原理精講+實戰演練1 開發流程2.1 目標檢測問題定義2.2 目標檢測問題方法2.3 傳統目標檢測方法基本流程 1 開發流程 項目預研 算法選型 數據集下載和打包 環境搭建 模型訓練 模型測試 模型優化 掌握YO

原创 算法圖解end:10種算法簡介

算法圖解end:10種算法簡介1.樹2 反向索引3 傅里葉變換4 並行算法5 MapReduce6 布隆過濾器和HyperLogLog7 SHA算法8 局部敏感的散列算法9 Diffie-Hellman 密鑰交換10 線性規劃11

原创 KCF代碼閱讀筆記(matlab版)

1 主函數run_tracker.m 提取HOG特徵用的函數和CPP文件作者已經給出並編譯 什麼也不輸入時,默認爲使用HOG特徵和高斯核函數(還可以選擇使用灰度特徵和線性核) 要把base_path改成自己的benchamark文

原创 廖雪峯Python教程筆記(五)

廖雪峯Python教程筆記(五)7 函數式編程高階函數map/reducefilter:用於過濾序列。sorted排序算法返回函數:匿名函數裝飾器偏函數 7 函數式編程 函數是Python內建支持的一種封裝,我們通過把大段代碼拆成

原创 《opencv3編程入門》目錄筆記

《opencv3編程入門》目錄筆記第一部分:快速上手OpenCV第一章 邂逅OpenCV1.1 概念認知1.1.1 圖像處理、計算機視覺與OpenCV1.1.2 OpenCV概述1.1.3 起源與發展1.1.4 應用概述1.2 O

原创 《數字圖像處理》讀書筆記1:緒論

《數字圖像處理》讀書筆記1:緒論1 基本概念1.1 函數f(x, y)1.2 數字圖像(Digital Image)、像素1.3 電磁波譜(Electromagnetic Spectrum)2 從圖像處理到計算機視覺3 數字圖像起

原创 《數字圖像處理》讀書筆記2:數字圖像處理基礎

《數字圖像處理》讀書筆記2:數字圖像處理基礎1 人類視覺感知1.1 眼睛構造圖1.2 基本概念:1.2.1 亮度適應(Brightness Adaptation)1.2.2 主觀亮度(Subjective Brightness)1

原创 廖雪峯Python教程筆記(四)

廖雪峯Python教程筆記(四)6 高級特性切片slice迭代列表生成式生成器迭代器 6 高級特性 在Python中,代碼不是越多越好,而是越少越好。代碼不是越複雜越好,而是越簡單越好。 基於這一思想,我們來介紹Python中非常

原创 圖像特徵算法——SIFT、HOG

SIFT,即尺度不變特徵轉換(Scale-invariant feature transform,SIFT),是用於圖像處理領域的一種描述子。這種描述具有尺度不變性,可在圖像中檢測出關鍵點,是一種局部特徵描述子。 該方法於1999

原创 (轉)win10+VS2017下配置openCV3.4.3 win10+VS2017下配置openCV3.4.3

原 win10+VS2017下配置openCV3.4.3 2018年09月12日 13:33:08 木盞 閱讀數 3876 先下載openCV3.4.3的win pack 下載鏈接:https://

原创 Tensorflow入門1——MNIST機器學習入門

Tensorflow入門1——MNIST機器學習入門1 簡介2 MNIST數據集2.1 導入與切分2.2 樣本介紹2.2.1 mnist.train.images2.2.2 mnist.train.labels3 分類算法模型3.