- 博客(85)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 Rust中的枚举和模式匹配
现在我们涉及到了如何使用枚举来创建有一系列可列举值的自定义类型。我们也展示了标准库的Option类型是如何帮助你利用类型系统来避免出错的。当枚举值包含数据时，你可以根据需要处理多少情况来选择使用match或if let来获取并使用这些值。你的 Rust 程序现在能够使用结构体和枚举在自己的作用域内表现其内容了。在你的 API 中使用自定义类型保证了类型安全：编译器会确保你的函数只会得到它期望的类型的值。下一节我们学习模块系统。
2023-10-06 11:40:37
673
1
原创 Rust中的结构体
和c++/c语言一样，Rust语言也有结构体，和元组一样，结构体中的变量数据类型是可以不同的，而且只需要引用符就可以得到其中的数据。在数据结构中，c/c++语言均可以用结构体数据类型定义函数，作为函数的返回值类型，在Rust中，也可以作为函数的返回类型。
2023-09-21 16:33:32
468
2
原创 c++入门——变量
变量的定义的基本格式是：首先是类型说明符，然后是变量名组成的列表，变量也可以赋初值，每个同类型的变量之间用逗号分开，结束时用分号隔开。int i=-30;//name通过一个string字面值初始化在c++中，存在对象和变量这两种说法，很多人分不清对象和变量的区别，对象是指的是一块能存放数据并具有某种类型的存储空间。单单从定义上来说，其实都是一个东西。只是有人习惯的把与类有关的称为对象，实际上都可以称为对象，如何称呼完全依据个人的爱好。就像方法和函数的区分。
2023-08-30 17:34:13
1054
2
原创 c++中的基本类型
为什么我要重新介绍c++的相关知识，在此之前，我对于c++的了解也仅仅是在表面。而在后来与c++慢慢的接触中，c++编程语言越来越让我觉得深奥，所以还是想要重新开创一个专栏来介绍c++。对于c++的介绍，本专栏会先介绍98版的c++知识，之后会介绍11版的c++知识。
2023-08-27 16:46:37
320
2
原创 认识所有权
本节内容比较多，主体意思就是说在Rust中，Rust 语言提供了跟其他系统编程语言相同的方式来控制你使用的内存，但拥有数据所有者在离开作用域后自动清除其数据的功能意味着你无须额外编写和调试相关的控制代码。所以说，只要知道Rust语言的特有机制，学起来就会简单很多。
2023-08-07 22:17:02
966
原创 函数和控制流
最后，再介绍一下函数的注释，Rust的注释分为单行注释（//）和多行注释(/* */)。这个语法和c++几乎一样。所以就没在主文中介绍了。对于本篇文章，主要是介绍了Rust中的一些简单的关键字以及用法，下一节进入“所有权”的学习。拜拜了你勒！！！
2023-07-13 23:18:45
1020
4
原创 Rust环境配置
Rust 程序设计语言的本质实际在于赋能）：无论你现在编写的是何种代码，Rust 能让你在更为广泛的编程领域走得更远，写出自信。这是官网上的一句话，这句话也涵盖了Rust语言的未来广泛的市场，虽然说在中国还没有进行大规模的普及，但是在国外却有了很大的市场，所以说，Rust语言在未来的市场不会太差。所以，从现在开始就可以进入Rust语言的学习。
2023-07-07 11:56:48
1727
4
原创 走进机器学习
机器学习通常与大数据和人工智能等术语联系在一起。但是吧，这三者还是有很大的区别，大数据可以说是利用了机器学习，机器学习又需要大数据，可以说他们两个也是组成人工智能重要的框架。据说，谷歌公司一天处理的数据就达到了20PB的容量，这个数据是非常恐怖的，并且这个数据还在不断的增加。根据IBM的估计，每天都会茶ungjai创建2.5EB的数据，而且这些数据都是两年前已经创建的。
2023-06-09 23:02:14
1998
9
原创 人脸识别概述
几何特征的检测方法最早是由Kelly和Kannade提出，现在基本上已经不用了，根据名字就可以得出，这个检测方法就是根据脸部的一些特征，比如眼睛的大小，鼻子的大小，眼睛到鼻子的距离等等一些基本特征点，所以说，它的优缺点也显而易见，识别简单，速度快，缺点却也很明显，每个人的脸部特征都是不一样的，没有办法做到非常准确，尤其是现在发展的人脸识别扫码支付，如果只是用特征检测，那么很有可能会导致识别错乱，造成不可估量的后果。但是也不是完全不能发展，现在的人来能识别都是二维的，并不能做到三维，如果说能够做到三维的识别，
2023-04-26 23:50:48
1784
6
原创 深度学习中的一阶段目标检测
我们前面说的，两阶段目标检测本质上就是训练俩个网络，分别对两个问题进行求解，这两个网络有什么区别喃？在网络结构上没有本质的区别，在特征输入上也没有任何的区别，唯一的区别就是网络的目标不同，或者说是使用的损失函数不同，所以我们完全可以将两个网络合并，将输出向量也拼接在一起，并且使用不同的损失函数对不同部分的输出进行拟合。一阶段目标检测主要的网络有YOLO网络和SSD网络。下面我们就进入这两个网络的学习。
2023-04-21 15:24:40
1304
8
原创 二阶段算法：R-CNN类网络
作为基于深度学习的目标检测算法的开山之作，R-CNN由Ross Girshick在2014年首次发表，论文全名为Rich feature hierarchies for accurate object detection and semantic segmentation。在VOC2012数据集上，平均精度均值（mAP）较之前最好的模型提升30%，从此目标检测也正式进入深度学习时代。
2023-04-18 23:22:42
789
8
原创 深度学习中的两阶段目标检测
目标检测作为计算机视觉中承上启下的一步，至关重要，可以说，实现了目标检测就实现了计算机视觉基本任务。目标检测急需要对物体进行识别，又要检测出物体的位置，难度较大，网络结构也层出不穷，在深度领域，从R-CNN到SPP-NET再到YOLO最后到SSD，可以说是百家争鸣，各有千秋。另一方面，目标检测应用非常广泛，例如生活中常见的人脸检测、车牌识别等；在自动驾驶领域，有行人识别、车道线识别；还有智能视频监控、机器人导航、飞机航拍等多种多样的应用。目标检测可以分解为两个步骤，
2023-04-16 11:43:13
3954
14
原创 送给所有迷茫的同学
其实在写这篇文章之前我是没有这个打算的，准确来说是目前没有。但是，官方在4月13日的那天发送了一周年纪念提醒，不觉得，已经一年了，想一想，时间过得很快，我看到有很多小伙伴看了我给大一学弟们的建议的文章，这可能也是很多大学生迷茫的时候，所以，我想把我这一年的经历写下来，希望能够为一些想写博客，还在迷茫的伙伴提供一点帮助。
2023-04-15 12:22:56
224
6
原创 一个大二学生送给大一学弟学妹的建议
博主简介：先简单的介绍一下我吧，本人是一名大二学生，来自四川。目前所学专业是人工智能，致力于在CSDN平台分享自己的学习内容。我为什么要写这篇文章？我来到CSDN也已经一年了，在这一年里面，我学会了很多，也认识了很多的优秀大佬。当然，也有很多的学弟学妹会询问问题。本来在几个月前，便已有了想写下这篇文章的想法，但是由于各种原因，还是在今天才写下这篇文章。作为一个大学生，我也经历过很多迷茫，经历过无助，不知道如何学习，一直荒废时间。
2023-04-11 21:13:44
9087
41
原创 深度学习中的目标识别
前面我们介绍了深度学习中的神经网络，那么本届我们就开始正式的进入深度学习中了，前面我们介绍过计算机视觉的四大任务：目标识别、目标检测、目标跟踪和目标分割。其中最基础的就是目标识别，几乎所有的计算机视觉的知识都是在目标识别问题上构建的，也就是说目标识别问题构成了整个计算机视觉的地基，如果我们不能解决识别问题，就无法建造我们的计算机视觉大厦。本章，我们就通过一个项目实战来全面认识目标识别。数据集下载。
2023-04-11 12:03:36
3120
6
原创 深度学习TensorFlow
对于程序员来说一种好的语言无疑是非常重要的，在深度学习中，就有一门语言：TensorFlow，集成了大量的深度学习常用函数，使得我们可以快速的部署模型，以及进行训练。所以，下面我们就开始了解以下TensorFlow中的各个函数的用法。
2023-04-04 23:40:29
1459
11
原创 深度学习中的卷积神经网络
2012年，AlexNet横空出世，卷积神经网络从此火遍大江南北。此后无数人开始研究，卷积神经网络终于在图像识别领域超过人类，那么卷积神经网络有什么神奇？下面我们来了解了解。
2023-04-01 23:04:53
1863
30
原创 深度学习初识
深度神经网络的发展迅猛的原因其实有很多，但主要的原因是：一、使用了正向传播、反向传播算法。二、使用非线性激活函数。三、使用了Dropout正则化方法。四、硬件升级使得运算速度大大增加。
2023-03-29 23:24:22
373
原创 基于支持向量机的目标检测与识别
在传统的计算机视觉中，我们有两种方法来进行目标检测和识别，第一种就是支持向量机（SVM），第二种就是基于树的目标检测算法（此算法后面会讲到）。SVM的训练过程常用的方法有两种：词袋方法和隐式支持向量机，它们的区别就是前者可以进行整个场景的识别及分析，而后者主要应用于场景中的具体目标识别，如信号灯、车牌、人脸等。传统图像的处理方法就到此结束了，传统图像的处理可以分为三步：第一步，图像颜色空间转化、降噪、美化；第二步，寻找重要特征；第三步，对特征进行训练、分类、识别。
2023-03-29 11:54:20
1101
4
原创 OPenCV中的机器学习
在刚经历了AI的大变革，ChatGpt的一夜爆火，让很多人的思想一下被刷新，很多人在见识了gpt的功能后不免的担心，未来人工智能是否会取代人类。对于这个问题，我的见解是人工智能的最根本就是人，作为一种辅助工具，他只是减轻我们的工作负担，让我们能够把精力投入到更重要的事中，简单点，就是推动人类社会的发展。但是人工智能的高速发展，也在警告我们，如果我们不去尝试创新，不去思考，或许部分岗位会被人工智能替代。很多人会面临失业，无岗就业。这也是人工智能发展会带来的必然后果。
2023-03-27 23:19:39
2005
5
原创 传统图像处理之相机模型
现实生活中的物体和图像有两个明显的不同之处：①物体是三维的，图像十二位的。②物体是运动的，图象是静止的。为了解决第一个不同，需要从三维物体采集二维图像，这往往是一个几何过程，在计算机视觉中称为相机模型。为了解决第二个不同，我们使用光流算法来进行解决。所以，本节的学习任务就是光流算法的应用。
2023-03-19 23:09:58
781
18
原创 图像修复与去噪
图像修复的意思就是说将缺失的部分补全。那么图像为什么会破损？并不是图像在传输过程中出了问题，而是有两个主要原因：污染和噪声，就比如说，戴眼镜的同学都知道，眼镜戴久了，会出现很多污渍。这时候就会特别模糊。差不多就是这个意思。那我们如何去修复喃，除了现在的软件修复，我们用代码如何取实现喃？
2023-03-15 12:13:55
3106
2
原创 图片的美白与美化
前面介绍了如何提取图像中的各种特征，包括颜色特征，几何特征、局部特征等，也进行了各种特征算法学习。那么本节我们来学习美化图片。众所周知，现在各大平台惊现“照骗”，修图技术的发展，让越来越多的人迷失在幻境中，男的批成女的，等等。对于我们计算机专业的学生来说，理解这些功能的底层代码是非常重要的。
2023-03-13 16:21:08
19923
55
原创 传统图像处理之几何特征寻找算法
几何学，相信是每个初高中生的噩梦，做不完的辅助线，各种边边角，成了多少人的恐惧。那么，图像的几何特征除了我们小时候学过的形状、位置、角度、距离等基本特征之外，还有边缘、角点和斑点等。这一节我们就来学习图像几何特征的算法。
2023-03-12 11:00:24
1658
原创 传统图像处理之颜色特征
在深度学习广泛应用之前，也就是我们所说的传统图像处理，人们是如何处理图像的呢？首先找出图片中的关键特征，然后对这些特征进行识别，检测，分割等。在对计算机进行处理时，也需要先寻找特征。在让计算机理解图像之前，我们先来熟悉熟悉图像特征。
2023-03-11 12:14:55
4229
17
原创 机器看世界
博主简介博主是一名大二学生，主攻人工智能研究。如果有需要的小伙伴可以关注博主，博主会继续更新的，如果有错误之处，大家可以指正。专栏简介：本专栏主要研究计算机视觉，涉及算法，案例实践，网络模型等知识。包括一些常用的数据处理算法，也会介绍很多的Python第三方库。如果需要，点击这里。给大家分享一个我很喜欢的一句话：“每天多努力一点，不为别的，只为日后，能够多一些选择，选择舒心的日子，选择自己喜欢的人！
2023-03-10 11:15:35
1736
4
原创 语音识别与克隆算法
百度语音是百度AI开放平台提供的一个在线识别语音引擎。和前面介绍的图形识别一样，都是通过对API的引用，利用百度AI提供的接口进行实现。目前支持的语音包括普通话，粤语，四川话和英语等。利用百度语音进行在线识别的时候，需要上传完整的录音文件，而且语音文件市场不得超过60s。百度语音提供两种识别模型：搜索模型与输入法模型。搜索模型实现效果如同百度搜索的语音输入，适合短语识别场景，中间有逗号。在应用普通话搜索模型时，也可识别简单的常用英语语句。
2023-03-07 22:00:50
1448
6
原创 MFCC语音特征值提取算法
MFCC意为梅尔频率倒谱系数，顾名思义，MFCC语音特征提取包含两个关键步骤；将语音信号转化为梅尔频率，然后进行倒谱分析。梅尔频谱是一个可用来代表短期音频的频谱，梅尔刻度（Mel Scale）则是一种基于人耳对等距的音高变化的感官判断而确定的非线性频率刻度。梅尔频率和正常的频率f之间的关系：当梅尔刻度均匀分布，则对应的频率之间的距离会越来越大。梅尔刻度的滤波器组在低频部分的分辨率高，跟人耳的听觉特性比较相符，这也是梅尔刻度的物理意义。
2023-02-28 17:11:57
5188
25
原创 语音识别与Python编程实践
语音识别是一门复杂的交叉技术学科，通常涉及声学，信号处理，模式识别，语言学，心理学，以及计算机等多个学科领域。语音识别技术的发展可追寻到20世纪50年代，贝尔实验室首次实现Audrey英文数字识别系统（可识别0——9单个数字英文识别），并且准确识别率达到90%以上。普林斯顿大学和麻省理工学院在同一时期也推出了少量词语的独立识别系统。到20世纪80年代，隐马尔可夫模型（Hidden arkov Model，HMM）。N-gram语言模型。
2023-02-25 21:55:59
4700
24
原创 python爬虫基本库的使用
urlib作为python的一个库，利用它就可以实现HTTP的请求，而且不需要关心HTTP协议本身甚至更底层的实现。在python2中，有urlib和urlib2两个库来实现HTTP请求的发送。而在Python3中，urlib2库已经不存在，统一为urlib。urlib是python内置的HTTP请求库，不需要额外安装，urlib库包含了以下四个模块：①request：这是最基本的HTTP请求模块，可以模拟请求的发送。就像在浏览器中输入网址后按下回车，只需要传入参数即可。
2023-02-02 17:12:07
1141
原创 基于ImageAI的图像识别
ImageAI是一个面向计算机视觉编程的Python库，支持最先进的机器学习算法。主要图像预测，物体检测，视频对象检测与跟踪等多个应用领域。利用ImageAI，开发人员可用很少的代码构建出具有包含深度学习和计算机视觉功能的应用系统。ImageAI目前支持在ImageNet数据集上对多种不同机器算法进行图像预测和训练，ImageNet数据集项目始于2006年，它是一项持续的研究工作，旨在为世界各地的研究人员提供易于访问的图像数据库。
2023-01-25 16:19:59
3403
6
原创 基于PythonOpenCv的视频图像处理
视频一般有两种来源，一种是从本地磁盘加载，另一种是从摄像头等设备实时获取。上述两种视频获取方式分别对应着OpenCV2的两个函数CaptureFromFile()和CaptureFromCAM().在OpenCV3中则统一为一个用于处理视频源载入的函数VideoCapture（）。
2023-01-23 23:45:03
4581
22
原创 人工智能图像识别四大算子
图像识别（Image Recognition）是人工智能的一个重要研究领域。它以图像的主要特征区域（检测目标）为基础，通过数据获取一系列的相关处理，并采用各种算法来对目标图像进行检测，识别与理解。其中，图象是承载检测目标的载体，而检测目标则需事先进行特征提取，归纳。最终通过相应的算法分离出来。通常情况下，一个图像识别系统主要由图像分割图像特征提取，分类与识别3个部分组成。
2023-01-18 13:53:58
9458
19
原创 python人工智能数据算法（下）
差分法主要通过有限差分来近似表示导数（Derivative），从而寻找微分方程的近似解。换而言之，差分法是用有限差分来代替微分，用有限差商来替代导数，从而把基本方程和边界条件（一般均为微分方程）近似地转化为差分方程（代数方程）来表示，把求解微分方程的问题转化为求解代数方程的问题。有限差分导数的逼近（Approximation）在微分方程数值解的有限差分方法中，特别是边界值问题中，骑着关键的作用。
2023-01-16 20:18:24
1283
原创 基于python的人工智能数据处理常用算法
人们希望用一类与数据的背景材料规律相适应的解析表达式，y=f(x，c）来反映量x与y之间的依赖关系，即在一定意义下“最佳”地逼近或拟合已知数据。有许多衡量拟合优度的标准，最常用的一种做法是选择参数c使得拟合模型与实际观测值在各点的残差(或离差)ek=yk－f(xk，c)的加权平方和达到最小，此时所求曲线称作在加权最小二乘意义下对数据的拟合曲线。对于区间[a,b]上连续不断且f(a)*f(b)
2023-01-15 21:07:39
1434
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人