- 博客(44)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 提取excel中的图片
Excel里插入图片是悬浮在单元格上的，如果超出格子大小了还不能跟着排序，而单元格大小是有上限的，用openxyl也查看不到图片，所以就想办法把图片提取出来。首先先把后缀改成zip，然后解压缩，就可以看到图片都在xl/media这个目录里放着了但是图片的顺序是按照插入时间来排的，并不一定是按照行列，如果你就是按顺序插入的话就可以直接用了，但如果不是的话，就还需要找到对应的行列号。方法就是查看xml文件，这个文件是xl/drawings/drawing1.xml，这里面包含了row和col，还有rId，
2021-07-26 13:40:28
1570
原创 一个程序的诞生
一个C程序从代码到一个可执行程序需要精力四个阶段,分别是预处理 编译 汇编 链接预处理其中预处理是把代码中的#开头的命令处理一下,例如#include,就是去找到对应的头文件#define就是去替换代码中所有宏定义部分的内容,这一步没有任何程序转化发生,完全是在文本层面的,例如#define就是对宏定义的内容进行文本替换,#include就是直接把头文件的内容复制过来,它生成的结果也是一个文本文件,通常用.i作后缀例如原本有一个hello world程序长这样#include <stdio.h
2020-12-28 17:43:09
245
转载 opencv实现二维码检测
title: opencv实现二维码检测date: 2020-07-03 14:03:44tags: [opencv]categories:图像处理opencv调用opencv从4代之后推出了二维码识别接口.调用方法是这样的.‘’’import cv2img = cv2.imread(‘data/qrcode.jpg’)img = cv2.imread(‘qrcode/11.jpg’)qrcode = cv2.QRCodeDetector()result, points, c.
2020-07-03 20:07:03
18664
2
原创 caffe源码阅读《六》base_conv_layer
BaseConvolutionLayer是所有卷积层的基类。为什么卷积层还需要基类呢？因为再caffe里除了 ConvolutionLayer还有 DeconvolutionLayerBaseConvolutionLayer 类BaseConvolutionLayer 构造函数 explicit BaseConvolutionLayer(const LayerParameter& ...
2020-04-07 15:48:38
413
原创 caffe源码阅读《六》im2col
卷积的过程卷积实际上就是两个矩阵对位相乘，然后再把积求和的一个过程[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4AFCKOUB-1583380530882)(https://blog.357573.com/2020/02/08/%E4%BB%80%E4%B9%88%E6%98%AF%E5%8D%B7%E7%A7%AF%E5%91%A2/0.png)]im2c...
2020-03-05 11:55:27
431
3
原创 caffe源码阅读《五》solver
SolverAction最开始定义了一个枚举/** * @brief Enumeration of actions that a client of the Solver may request by * implementing the Solver's action request function, which a * client may optionally provid...
2020-02-29 23:41:49
254
原创 caffe源码阅读《四》net
caffe的net是一个网络架构，串联起所有的blob，支撑着整个神经网络前向和反向传播的一个结构。他也是分为hpp和cpp文件的。首先看注释/** * @brief Connects Layer%s together into a directed acyclic graph (DAG) * specified by a NetParameter. * * TODO(d...
2020-02-28 23:24:04
344
原创 caffe源码阅读《一》训练入口
随着工作的深入，很多时候调参不仅仅局限于乱改学习率上面了，阅读caffe源码变得至关重要，而我又比较讨厌盯着虚无的代码看，总想跑个程序跟着debug走，所以就选择了训练程序作为入口。caffe的训练程序在tools目录里，名字就叫做caffe.cpp训练的时候需要几个参数，最重要的有两个，一个是train还是test，另一个就是solver.prototxt文件了。只到这个后，我们跟着源码走...
2020-02-27 08:48:10
319
原创 caffe源码阅读《三》blob
今天来阅读的是caffe的blob部分，这个blob它是有cpp的，因为这个blob是caffe核心的数据存储结构，后面所有的操作都会用到这个地方的，所以这里是caffe官方来实现的。首先看hpp文件。他是有个Blob的类/** * @brief A wrapper around SyncedMemory holders serving as the basic * com...
2020-02-26 15:45:17
201
原创 caffe源码阅读《二》layer
title: caffe源码阅读《二》layerdate: 2020-02-25 09:41:56tags: [caffe]categories:caffe源码解读首先layer这个类是一个基类，所以他是没有cpp实现的，可以看一下它的cpp代码#include "caffe/layer.hpp"namespace caffe {INSTANTIATE_CLASS(La...
2020-02-25 16:23:25
237
原创 目标检测-Faster RCNN
哈喽大家好，我是蒙特卡洛家的树。时间到了2016年，fastrcnn问世一年，何凯明老师就立刻提出了更快的算法，fast的名字被占用了，所以干脆就叫faster rcnn了。之前fastrcnn上说他跑一帧只需要0.几秒，其实这里玩了一个文字游戏，因为这里跑一帧只是神经网络部分，并没有涵盖region proposal的时间。而fast rcnn最耗时的部分就是region proposal部分...
2019-12-27 16:31:01
827
原创 目标检测-Fast RCNN
哈喽大家好，我是蒙特卡洛家的树，时间来到2015年，经历了一年的发展，官方版的快速RCNN问世了。这次出的这个fast rcnn主要借鉴了SPP的方法，共享了featuremap，大大提升了RCNN的效率，另外他自己也有一些创新。就是舍弃了之前的SVM和bbox回归两步，直接在神经网络中完成分类和回归。他的过程分这么几步。首先是CNN，整张图片输入到神经网络中,算出一个大的featuremap。...
2019-12-27 14:15:09
368
1
原创 目标检测-SPPNet
RCNN横空出世之后，人们开始把目标检测的重心放在了神经网络上。但是RCNN有个非常明显的缺点，就是速度慢，以为有2000个候选框需要计算，所以跑了2000次前向传播。这样跑一张图片就需要五十多秒。何凯明老师提出了一种新的思想，大大的提升了性能，这个方法叫做空间金字塔池化。这个空间金字塔池化使用了比例池化,可以不关心输入大小,也能够输出固定维度的特征,从而代替全连接层.其实就是规定把图片分成几份...
2019-12-09 08:46:02
493
原创 目标检测-RCNN
rcnn首先会做一个region proposal，也就是任意的找到一些疑似完整物体的区域，这一步是任意的，根据梯度信息找到一些边缘，然后就圈出来了。这一步会找到非常多的区域作为候选框，给接下来的分类提供素材。论文说的是找了两千多个接着把那些候选框一个一个输入神经网络，算出特征接着把算出的特征交给svm去做分类，得到分类与置信度。最后每个类别在训练出四个向量，保证预测的时候特征这四个向量可...
2019-12-06 15:31:14
305
原创 c++ CUDA编程《一》 计算矩阵加减乘除
#include "calculator.h"#include <cuda_runtime.h>#include "iostream"bool InitCUDA(){ //used to count the device numbers int count; // get the cuda device count cudaGetDeviceCount(&...
2018-11-06 19:08:20
2991
原创 caffe测试程序《一》softmax
最近训练了一个人脸识别模型，使用的是VGGFace2，使用了1000类来训练，今天介绍一下训练好的模型如何使用。首先是deploy文件，注意这个deploy不是train.prototxt，一定是单独的deploy.prototxt，他的开头和结尾和train.prototxt是不一样的。具体在于data层，deploy的data层就是inputinput: "data"input...
2018-10-16 14:45:32
692
原创 机器学习-代价函数和激活函数组合效果
均方差代价函数 + sigmoidC=(y−a)22C=(y−a)22C=\frac {(y−a)^2} 2 其中，z=wx+b, 而a是经历了激活函数的z，a=σ(z)。 那么这个的梯度，对w和b分别求导，得到： ∂C∂w=(a−y)σ'(z)x=aσ'(z)∂C∂w=(a−y)σ′(z)x=aσ′(z)\frac{∂C} {∂w} =(a−y)σ′(z)x=aσ′(z) ∂C∂b...
2018-07-29 18:02:13
1293
原创 机器学习-损失函数
softmaxsoftmax作为分类网络的最后一层，输出所有分类的概率，比方说存在猫狗鼠等十种分类，那么就会输出十个数字，分别按顺序的代表可能是猫狗鼠的概率。算法是这样的ai=ezi∑n1zkai=ezi∑1nzka_i=\frac{e^{z_i}}{\sum_1^n{z_k}}，也就是e的当前这项值次方除以e的每项值次方的和。这样保证了所有加起来为一。...
2018-07-04 11:38:39
289
原创 从RCNN到FAST RCNN、FASTER RCNN再到MASK RCNN
RCNN首先RCNN的R是region的意思，也就是region selective search + CNN 具体解释就是先使用区域搜索方法找出若干个可能是物体的区域,一般通过纹理颜色直方图之类的来挑选出来。然后交给改进版的alexnet来提取特征（这里输入应该是通过resize方法适应网络的），在第五个池化层把输出交给SVM，SVM判断是不是物体，以及物体的种类。 然后使用一个线性回归...
2018-07-02 11:27:23
989
原创 极简解释inception V1 V2 V3 V4
Inception v1inception的核心就是把google net的某一些大的卷积层换成1*1, 3*3, 5*5的小卷积，这样能够大大的减小权值参数数量。直接上一张完整的图片 可以看到，卷积了几步之后就开始出现并行的过程，换成几个1*1， 3*3， 5*5的卷积并列。然后再把分别卷积的结果作为层数维度上的合并。 比方说这一层本来是一个28*28大小的卷积核，一共输出224层，...
2018-06-24 15:34:32
35681
10
原创 git pro笔记 《Git 分支》
如果想要创建一个叫做testing的分支，则使用 git branch testing 不过执行完之后只是创建了一个分支，但是并没有切换到testing分支去，如果想切换过去，执行 git checkout testing 我觉得分支的作用也是分支这一节的重点，所以我把git pro中的话也摘录下来了 *现在让我们来看一个简单的分支与合并的例子，实际工作中大体也会用到这样的工作流程...
2018-06-01 23:52:40
265
原创 git pro笔记 《Git 基础》
git state会显示当前在哪个分支，哪些文件修改了没有添加到暂存区，哪些添加了没有提交。git add readme.md就会把一些文件添加到暂存区(stage)了这个时候再运行git state就会显示readme.md是newfile状态了如果没有add就会告诉你它是modified状态，会问你要不要添加这个文件到缓存区如果add完之后你又修改了这个文件，再使用state会出现两个状态ne...
2018-05-31 23:20:30
256
原创 PCL入门<九> 输入与输出
今天讲解一下PCL的输入输出。首先是输入，从pcd文件中读取点云 pcl::PointCloud::Ptr cloud(new pcl::PointCloud); if (pcl::io::loadPCDFile(pcd_file, *cloud) == -1) { std::cout << "Cloud reading failed." << std
2018-05-08 16:03:59
1793
原创 PCL入门<八> RANSAC的实现
之前发国一篇文章讲解了ransac的基本原理，PCL也有相应的代码的实现，今天来讲以下如何使用。先看PCL官网的示例：#include <iostream>#include <pcl/ModelCoefficients.h>#include <pcl/io/pcd_io.h>#include <pcl/point_types.h>#inclu...
2018-04-24 09:35:13
10045
4
原创 PCL入门<七> 可视化PCLVisualizer
PCL的点云可视化的一种最常用的方法就是PCLVisualizer它是基于VTK的可视化类，需要引入头文件#include 通常用法是pcl::visualization::PCLVisualizer::Ptr viewer (new pcl::visualization::PCLVisualizer ("3D Viewer"));viewer->addPointClou
2018-02-10 21:43:10
6267
1
原创 PCL入门<六>使用Region growing进行平面分割
很多时候我们需要分割平面，检测每个平面，这个时候可以使用PCL自带的区域增长方法。话不多说直接上代码： pcl::search::Search<pcl::PointXYZ>::Ptr tree = boost::shared_ptr<pcl::search::Search<pcl::PointXYZ> > (new pcl::search::KdTree<...
2017-12-31 12:15:05
5522
6
原创 PCL入门<五>使用VOXEL稀疏点云
在使用PCL的处理点云时，很多时候我们不需要有太过高的分辨率，因为点云过多会造成计算变慢，并且更加消耗计算资源，所以我们需要把点云变稀，voxel就是一个很好的方法。
2017-12-31 11:28:51
10389
4
原创 蒙特卡洛算法简单理解与demo
所谓蒙特卡洛算法，实际上就是用频率估计概率。 首先我们知道一个边长为2的正方形面积是2*2=4，他的内接圆的面积是π*1，那么我们在这样一个正方形内随机生成10000个点，落在圆里的点的个数/10000就应该是π/4，所以我们可以估计出π是落在圆里的点的个数*4/10000.直接看程序: import numpy as npradius=1test_num=100...
2017-10-21 10:04:20
24142
4
原创 pooling池化操作的代码详解
池化这个操作原理非常简单，相信大家都很容易搞懂，那么这篇博客就主要从代码来谈谈吧。首先还是简单介绍一下原理（不是我偷懒想要简单介绍，是因为这个东西介绍起来本身就很简单）所谓的池化目的就是抽象，把一大片面积总结成一个数，比方说一副100*100的图，我们每50*50的区域就取一个最大值，共计能取4个最大值，那么这个2*2的最大值图像就是池化后的图像了。
2017-01-09 20:08:49
10356
1
原创 Gabor滤波的层层总结
声明：这篇博客是我学习gabor滤波的笔记，根据进度层层总结，在完全学会前会看起来很混乱，但是我保证在终止连载以后一定马上整理成Gabor的介绍博客。我学习的起因是阅读了《Human Age Estimation Using Bio-inspired Features》这篇文章。核的大小：文章里面出现了这样一个表格：这个表格的右半部份是gabor滤波的参数，其中含义是当周期
2017-01-08 10:12:16
1246
1
原创 kmeans(最简单的机器学习算法)
kmeans算法作为机器学习的入门算法算是比较不错的选择了，虽然是无监督学习，但是他原理简单，实现起来也非常简单。
2016-12-31 23:36:49
1814
原创 双线性差值
在涉及到坐标的程序中，（不局限于图像处理）经常会遇到计算出来的坐标不是整数的时候，那么那个小数的坐标左上左下右上右下最多有四个点，究竟取哪个点的值呢，亦或者自己计算一个相对公平的值，这里提供了一种叫做双线性差值的方法。双线性差值无非就是用两次线性差值而已，线性差值很好理解，就是等比平均。比方说一条线段中间一点的值就是左右两个端点的平均值。如果是靠近左右二八开那么就用二八加权平均，离的近的权值大
2016-12-20 15:41:40
2730
原创 关于LBP（Local Binary Pattern）特征<二> 几种变种
旋转不变的LBP： 关于旋转不变，其实很好解决，那就是让不管如何旋转结果都一样就可以了（废话），至于怎么一样，我们定义一个规则，通常定义取最小值，也就是对于每幅图，不同角度都做一遍LBP，对于每个点取几遍中的最小值就可以了。实际操作起来其实可以不用做几遍LBP。因为每个点的相对关系做一遍都已经知道了，剩下的就是给他们重新排列一下就可以了。代码随后补上。
2016-12-01 15:19:40
841
原创 关于LBP（Local Binary Pattern）特征
LBP是英文Local Binary Pattern的缩写，顾名思义，他是一个局部的二值特征。所谓局部，就是他的提取方法是根据他附近点的信息来计算的，所谓二值，就是特征只有0和1了。具体操作其实也非常简单，就是做一个判断的滤波器，什么叫判断的滤波器呢？就是判断附近的点是不是比中间的点大，如果大就是1，小就是0，等于的话就看规定了，可以规定0也可以规定1，但是规定一定要统一，不能一会是0一会是1
2016-11-30 19:06:33
1000
空空如也
升级版的迷宫搜索问题
2015-08-06
TA创建的收藏夹 TA关注的收藏夹
TA关注的人