一人 一剑 一壶茶

转载 LUT查找表的用法 --opencv

程序及分析/* * FileName : lookup_table.cpp * Author : xiahouzuoxin @163.com * Version : v1.0 * Date : Sun 01 Jun 2014 04:35:37 PM CST * Brief : * * Copyright (C) MICL,USTB */#inclu...

原创 Halcon中模板匹配方法的总结归纳

***************************************************一、基于灰度：  灰度 + ncc二、基于形状：  形状（形变：同步/异步） + 组件三、基于描述点： 描述符 ***************************************************1.1 基于灰度的模板匹配：应用场合：定位对象内部的灰度...

转载 详解：正则化

1. The Problem of Overfitting1还是来看预测房价的这个例子，我们先对该数据做线性回归，也就是左边第一张图。如果这么做，我们可以获得拟合数据的这样一条直线，但是，实际上这并不是一个很好的模型。我们看看这些数据，很明显，随着房子面积增大，住房价格的变化趋于稳定或者说越往右越平缓。因此线性回归并没有很好拟合训练数据。我们把此类情况称为欠拟合(underfitting)，或者叫...

转载 主成分分析PCA

降维的必要性1.多重共线性--预测变量之间相互关联。多重共线性会导致解空间的不稳定，从而可能导致结果的不连贯。2.高维空间本身具有稀疏性。一维正态分布有68%的值落于正负标准差之间，而在十维空间上只有0.02%。3.过多的变量会妨碍查找规律的建立。4.仅在变量层面上分析可能会忽略变量之间的潜在联系。例如几个预测变量可能落入仅反映数据某一方面特征的一个组内。降维的目的：1.减少预测变量的个数2.确保...

转载 最短路径算法

本文总结了图的几种最短路径算法的实现：深度或广度优先搜索算法，弗洛伊德算法，迪杰斯特拉算法，Bellman-Ford算法1），深度或广度优先搜索算法（解决单源最短路径）从起始结点开始访问所有的深度遍历路径或广度优先路径，则到达终点结点的路径有多条，取其中路径权值最短的一条则为最短路径。下面是核心代码：void dfs(int cur, int dst){ /***operation***...

原创 Hobject转化 Mat IPLimage Bitmap 其他的格式文件【只转头文件】

问题由来：在mfc halcon混合编程中，发现halcon：：readimage（） 函数读取图片（8位8M/bmp）至少200ms，当然24位 32位bmp 倍数所消耗的时间倍数上涨。那么有没有什么方法加快读取速度？目前发现一个亲测可行的方式： 1、通过 DIBAPI 读取图片，下载可转到点击打开链接，赚点积分2、获取所读读片的图像数据的首地址，注意非结构头地址3、通过halcon算子GenI...

转载 从FCN到DeepLab

前言　　最近看了语义分割的文章DeepLab，写写自己的感受，欢迎指正。介绍　　图像语义分割，简单而言就是给定一张图片，对图片上的每一个像素点分类。  　　图像语义分割，从FCN把深度学习引入这个任务到现在，一个通用的框架已经大概确定了。即前端使用FCN全卷积网络输出粗糙的label map，后端使用CRF条件随机场/MRF马尔科夫随机场等优化前端的输出，最后得到一个精细的分割图。  前端为什么需...

转载 霍夫变换到广义霍夫变换

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/tiandijun/article/details/47251913 计算机视觉中经常需要识别或者定位某些几何图形，比如直线、圆、椭圆，还有其他一些图形。检测直线的霍夫变换提供了在图像中寻找直线的一种算法，是最简单的一种情形，后来发展到检测圆、椭圆、还有一般图形的霍夫变换。其核心思想是把图像中属于某种...

转载 十大经典排序算法

0、排序算法说明0.1 排序的定义对一序列对象根据某个关键字进行排序。0.2 术语说明稳定：如果a原本在b前面，而a=b，排序之后a仍然在b的前面；不稳定：如果a原本在b的前面，而a=b，排序之后a可能会出现在b的后面；内排序：所有排序操作都在内存中完成；外排序：由于数据太大，因此把数据放在磁盘中，而排序通过磁盘和内存的数据传输才能进行；时间复杂度： 一个算法执行所耗费的时间。空间复杂度：运行完一...

转载 梯度下降（Gradient Descent）小结

　　　　在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降（Gradient Descent）是最常采用的方法之一，另一种常用的方法是最小二乘法。这里就对梯度下降法做一个完整的总结。1. 梯度　　　　在微积分里面，对多元函数的参数求∂偏导数，把求得的各个参数的偏导数以向量的形式写出来，就是梯度。比如函数f(x,y), 分别对x,y求偏导数，求得的梯度向量就是(∂f/∂x, ∂f/∂y)T,...

转载 张正友标定法

三、致敬“张正友标定”         此处“张正友标定”又称“张氏标定”，是指张正友教授于1998年提出的单平面棋盘格的摄像机标定方法。张氏标定法已经作为工具箱或封装好的函数被广泛应用。张氏标定的原文为“A Flexible New Technique forCamera Calibration”。此文中所提到的方法，为相机标定提供了很大便利，并且具有很高的精度。从此标定可以不需要特殊的标定物，...

转载 C指针详解-----短板补上

指针是Ｃ语言中广泛使用的一种数据类型。 运用指针编程是Ｃ语言最主要的风格之一。利用指针变量可以表示各种数据结构； 能很方便地使用数组和字符串； 并能象汇编语言一样处理内存地址，从而编出精练而高效的程序。指针极大地丰富了Ｃ语言的功能。 学习指针是学习Ｃ语言中最重要的一环， 能否正确理解和使用指针是我们是否掌握Ｃ语言的一个标志。同时， 指针也是Ｃ语言中最为困难的一部分，在学习中除了要正确理解基本概念，...

转载 回调函数得应用和理解

回调函数回调函数就是一个通过函数指针调用的函数。如果你把函数的指针（地址）作为参数传递给另一个函数，当这个指针被用来调用其所指向的函数时，我们就说这是回调函数。回调函数不是由该函数的实现方直接调用，而是在特定的事件或条件发生时由另外的一方调用的，用于对该事件或条件进行响应。中文名回调函数外文名Callback Functions意    思通过函数指针调用的函数作    用对特定的事件或条件进行响...

转载 #if defined和#if !defined(c语言的宏定义)

原创链接：http://blog.chinaunix.net/uid-26435987-id-3077444.html因为对于一个大程序而言,我们可能要定义很多常量( 不管是放在源文件还是头文件 ),那么我们有时考虑定义某个常量时,我们就必须返回检查原来此常量是否定义,但这样做很麻烦.if defined宏正是为这种情况提供了解决方案.举个例子,如下: #define .... #

原创 c++开源项目

glog学习研究：      http://www.cnblogs.com/lizhenghn/p/3704749.html#undefined   http://www.cnblogs.com/lizhenghn/p/3705410.html

转载 caffe学习模型的分析准则

原创 数学概念的详解

1.「协方差」与「相关系数」https://www.zhihu.com/question/20852004

原创 抽象共用

#define CHECK_EQ(val1, val2) CHECK_OP(_EQ, ==, val1, val2)#define CHECK_NE(val1, val2) CHECK_OP(_NE, !=, val1, val2)#define CHECK_LE(val1, val2) CHECK_OP(_LE, #define CHECK_LT(val1, val2) CHECK_

原创 caffe调试：registry失败

防止某一层未注册:也就是下面的：I0808 16:09:36.428869 12912 layer_factory.hpp:77] Creating layer dataF0808 16:09:36.428869 12912 layer_factory.hpp:81] Check failed: registry.count(type) == 1 (0 vs. 1) Unknown

转载 Suppress boost registration warnings in pycaffe #3960

#include // NOLINT(build/include_alpha)// Produce deprecation warnings (needs to come before arrayobject.h inclusion).#define NPY_NO_DEPRECATED_API NPY_1_7_API_VERSION#include #include #inclu

原创 caffe 指令：convert_imageset

[FLAGS] ROOTFOLDER/ LISTFILE DB_NAME 需要带四个参数：FLAGS: 图片参数组，后面详细介绍ROOTFOLDER/: 图片存放的绝对路径，从linux系统根目录开始LISTFILE: 图片文件列表清单，一般为一个txt文件，一行一张图片DB_NAME: 最终生成的db文件存放目录如果图片已经下载到本地电脑上了，那么我们

转载 caffe配置：自己训练模型并测试

caffe对于训练数据格式，支持：lmdb、h5py……，其中lmdb数据格式常用于单标签数据，像分类等，经常使用lmdb的数据格式。对于回归等问题，或者多标签数据，一般使用h5py数据的格式。当然好像还有其它格式的数据可用，不过我一般使用这两种数据格式，因此本文就主要针对这两种数据格式的制作方法，进行简单讲解。一、lmdb数据lmdb用于单标签数据。为了简单起见，我后面通过一个性

转载 caffe源码：测试数据，根据已知模型

一、预测分类最近几天为了希望深入理解caffe，于是便开始学起了caffe函数的c++调用，caffe的函数调用例子网上很少，需要自己慢慢的摸索，即便是找到了例子，有的时候caffe版本不一样，也会出现错误。对于预测分类的函数调用，caffe为我们提供了一个例子，一开始我懒得解读这个例子，网上找了一些分类预测的例子，总是会出现各种各样的错误，于是没办法最后只能老老实实的学官方给的例子比较实

转载 深度学习：卷积神经网络入门学习(1)

卷积神经网络算法是n年前就有的算法，只是近年来因为深度学习相关算法为多层网络的训练提供了新方法，然后现在电脑的计算能力已非当年的那种计算水平，同时现在的训练数据很多，于是神经网络的相关算法又重新火了起来，因此卷积神经网络就又活了起来。在开始前，我们需要明确的是网上讲的卷积神经网络的相关教程一般指的是神经网络的前向传导过程，反向传播都是用梯度下降法进行训练，大部分深度学习库，都已经把反向求导

原创 深度学习学习资料

持续更新原文地址：http://blog.csdn.net/hjimce/article/details/45421595作者：hjimce一、学习清单1、综合类(1)收集了各种最新最经典的文献，神经网络的资源列表：https://github.com/robertsdionne/neural-network-papers  里面包含了深度学习领域经典、

转载 caffe配置：训练和测试1

本文主要讲解caffe的整个使用流程，适用于初级入门caffe，通过学习本篇博文，理清项目训练、测试流程。初级教程，高手请绕道。我们知道，在caffe编译完后，在caffe目录下会生成一个build目录，在build目录下有个tools，这个里面有个可执行文件caffe，如下图所示：有了这个可执行文件我们就可以进行模型的训练，只需要学会调用这个可执行文件就可以了，这便是

转载 Caffe配置：参数的介绍入门

用了这么久Caffe都没好好写过一篇新手入门的博客，最近应实验室小师妹要求，打算写一篇简单、快熟入门的科普文。 利用Caffe进行深度神经网络训练第一步需要搞懂几个重要文件：solver.prototxttrain_val.prototxttrain.sh接下来我们按顺序一个个说明。solver.prototxtsolver这个文件主要存放模型训练所用到的一些超

转载 windows7+vs+CUDA7.5 编译caffe+配置matcaffe+配置pycaffe

转载来自，http://blog.csdn.net/tina_ttl经过朋友指导，终于成功在windows7上成功编译了caffe，这里将编译过程记录安装文件准备1 visual studio 2013安装包下载2 CUDA75 optional3 windows版本caffe4 下载cuDNN optional5 下载Anacond

原创 3D显示

gnuplotpipe=_wpopen(L"gunplot.exe",L"w");if(gnuplotpipe){ fprintf(gnuplotpipe,"gplot x**2+y**2\n"); fflush(gnuplotpipe);}else{ LogFormat(lerror,"GNUplot: gnuplot not opened");}void Implant_EX

转载 矩：数学矩-图像矩

矩是描述图像特征的算子，如今矩技术已广泛应用于图像检索和识别 、图像匹配 、图像重建 、数字压缩 、数字水印及运动图像序列分析等领域。常见的矩描述子可以分为以下几种：几何矩、正交矩、复数矩和旋转矩。        其中几何矩提出的时间最早且形式简单，对它的研究最为充分。几何矩对简单图像有一定的描述能力，他虽然在区分度上不如其他三种矩，但与其他几种算子比较起来，他极其的简单，一般只需用一个数

转载 深度学习：卷积神经网络CNN入门

作者：机器之心链接：https://www.zhihu.com/question/52668301/answer/131573702来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。Part 1：图像识别任务卷积神经网络，听起来像是计算机科学、生物学和数学的诡异组合，但它们已经成为计算机视觉领域中最具影响力的革新的

原创 Layout的存取/布局

void MainWindow::saveLayout(){    QString fileName        = QFileDialog::getSaveFileName(this, tr("Save layout"));    if (fileName.isEmpty())        return;    QFile file(fileName);    i

原创 QTabWidget标题方向的转化和字体的转化

QTabWidget的toolbar转化方向ui.tabWidget->setTabPosition(QTabWidget::West);ui.tabWidget->tabBar()->setStyle(new CustomTabStyle);标题的转化方向#include #include class CustomTabStyle : public QProxy

转载 RANSAC算法详解

给定两个点p1与p2的坐标，确定这两点所构成的直线，要求对于输入的任意点p3，都可以判断它是否在该直线上。初中解析几何知识告诉我们，判断一个点在直线上，只需其与直线上任意两点点斜率都相同即可。实际操作当中，往往会先根据已知的两点算出直线的表达式（点斜式、截距式等等），然后通过向量计算即可方便地判断p3是否在该直线上。 生产实践中的数据往往会有一定的偏差。例如我们知道两个变量X与Y之间呈线性

转载 qt类（汇总）

qt类表

转载 CV资料

CV人物1：Jianbo Shi史建波毕业于UC Berkeley，导师是Jitendra Malik。其最有影响力的研究成果：图像分割。其于2000年在PAMI上多人合作发表"Noramlized cuts and image segmentation"。这是图像分割领域内最经典的算法。主页：www.cis.upenn.edu/~jshi/ 和 www.cs.cmu.edu/~jshi/

转载 paintEvent()的使用和触发

void ImgLabel::paintEvent ( QPaintEvent *e ) { QPainter painter(this); painter.save(); QRect rect = this->geometry(); painter.fillRect(QRect(QPoint(0,0),QSize(rect.width(),rect.height())),QBr

原创 VC 各种情况下的窗口句柄的获取

AfxGetMainWndAfxGetMainWnd获取自身窗口句柄HWND hWnd = AfxGetMainWnd()->m_hWnd;GetTopWindow函数功能：该函数检查与特定父窗口相联的子窗口z序（Z序：垂直屏幕的方向，即叠放次序），并返回在z序顶部的子窗口的句柄。函数原型：HWND GetTopWindow（HWND hWnd）；参数：　　hW

转载 给窗体中控件绘图的几种方法

方法一：WINDOWS API画法//获取要绘制的控件句柄Image img = GetWindow(this.tabPage12.Handle);//在母容器上创建图形对象 Graphics gOut = mOut.pnlOut.CreateGraphics();//在指定位置按指定大小绘出image gOut.DrawImag

原创 qt空间句柄的父子关系

编程过程中，不可避免要操作外部窗口，MFC中操作窗口用的都是CWND::fromHandle()；qt中操作外部窗口与CWND对应的是QWindow类。 HWND hwndLogin=FindWindow(NULL,L"登录"); QWidget* widgetLogin=QWidget::find((WId)hwndLogin); QWindow* wi