hello-world-yg-CSDN博客

转载 opencv 决策树CART原理及代码分析

一、原理决策树是一种非参数的监督学习方法，它主要用于分类和回归。决策树的目的是构造一种模型，使之能够从样本数据的特征属性中，通过学习简单的决策规则——IF THEN规则，从而预测目标变量的值。图1 决策树例如，在某医院内，对因心脏病发作而入院治疗的患者，在住院的前24小时内，观测记录下来他们的19个特征属性——血压、年龄、以及其他17项可以综合

2018-01-12 14:37:16 1306

原创枚举类型

枚举量的声明和定义：enum enumType {red,green,blue};enum是固定格式enumType是新数据类型，称为枚举red，green，blue为符号常量，即枚举量，默认值为0,1,2。也可以显示的设置枚举量的值，但是一定是整数。可以显示的指定一部分枚举量的值，没有指定值得枚举量的值默认将比其前面的枚举值大1。枚举量的值可以相同。enumTyp

2018-01-10 15:52:55 277

转载（整理）人脸数据库

原文：http://blog.csdn.net/lilai619/article/details/51178971公开人脸数据集本页面收集到目前为止可以下载到的人脸数据库，可用于训练人脸深度学习模型。人脸识别数据库描述用途获取方法WebFace10k+人，约500K张图片非限制场景链接F

2017-12-25 10:29:59 458

原创常用图像特征的总结--HARR，HOG，LBP，SIFT，SURF

用传统的特征加分类器的方法做人脸检测的应用，涉及到图像特征的问题，刚好回顾一下这几个特征并作一下总结，本文涉及到的特征有，HARR，HOG，LBP，SIFT，SURF。1.HARR1.1、首先看看定义了下面的这几种harr特征：可以分为4类，当然也有分为3类的，这个没关系。然后在给定的图片上用上面的这几种特征遍历图片用黑色的部分覆盖的像素和减去白色部分的像素和得到的值就是特

2017-12-21 16:06:22 4896

转载 adaboost训练之经验总结

利用adaboost训练的分类器做了几个项目（当然在实际应用过程中，我对adaboos的源码做了优化和改善，同时我也用了深度学习--caffe做了类似的工作，综合权衡算法检测率、算法效率，在项目中采用的还是adaboost，后期我会花大量时间对caffe改进、优化），以下纯为训练前要注意的事项。0、训练前，正样本尺寸的选择很重要。1、训练时正样本的设置：越多越好，但是要考虑训练机

2017-12-21 15:31:39 637

转载【OpenCV】SIFT原理与源码分析

原文：http://blog.csdn.net/xiaowei_cqu/article/details/8069548SIFT简介Scale Invariant Feature Transform，尺度不变特征变换匹配算法，是由David G. Lowe在1999年（《Object Recognition from Local Scale-Invariant Featu

2017-12-20 15:40:58 261

转载从0开始学习 GitHub 系列之「08.如何发现优秀的开源项目」

原文:http://blog.csdn.net/googdev/article/details/52060211之前发过一系列有关 GitHub 的文章，有同学问了，GitHub 我大概了解了，Git 也差不多会使用了，但是还是搞不清 GitHub 如何帮助我的工作，怎么提升我的工作效率？问到点子上了，GitHub 其中一个最重要的作用就是发现全世界最优秀的开源项目，

2017-12-18 15:25:52 210

转载从0开始学习 GitHub 系列之「07.GitHub 常见的几种操作」

原文：http://blog.csdn.net/googdev/article/details/52787392之前写了一个 GitHub 系列，反响很不错，突然发现竟然还落下点东西没写，前段时间 GitHub 也改版了，借此机会补充下。我们都说开源社区最大的魅力是人人多可以参与进去，发挥众人的力量，让一个项目更完善，更强壮。那么肯定有人疑问，我自己目前还没有能力开源一个项目，

2017-12-18 15:18:38 161

转载从0开始学习 GitHub 系列之「06.团队合作利器 Branch」

原文：http://blog.csdn.net/googdev/article/details/51880064Git 相比于 SVN 最强大的一个地方就在于「分支」，Git 的分支操作简直不要太方便，而实际项目开发中团队合作最依赖的莫过于分支了，关于分支前面的系列也提到过，但是本篇会详细讲述什么是分支、分支的具体操作以及实际项目开发中到底是怎么依赖分支来进行团队合作的。

2017-12-18 15:02:29 173

转载从0开始学习 GitHub 系列之「05.Git 进阶」

原文：http://blog.csdn.net/googdev/article/details/52787813关于 Git 相信大家看了之前一系列的文章已经初步会使用了，但是关于Git还有很多知识与技巧是你不知道的，今天就来给大家介绍下一些 Git 进阶的知识。1. 用户名和邮箱我们知道我们进行的每一次commit都会产生一条log，这条log标记了提交人的

2017-12-18 14:48:57 253

转载从0开始学习 GitHub 系列之「04.向GitHub 提交代码」

原文：http://blog.csdn.net/googdev/article/details/52787753之前的这篇文章「从0开始学习 GitHub 系列之「Git速成」」相信大家都已经对 Git 的基本操作熟悉了，但是这篇文章只介绍了对本地 Git 仓库的基本操作，今天我就来介绍下如何跟远程仓库一起协作，教你们向 GitHub 上提交你们的第一行代码！1.

2017-12-18 14:41:50 173

转载从0开始学习 GitHub 系列之「03.Git 速成」

原文：http://blog.csdn.net/googdev/article/details/52787663前面的 GitHub 系列文章介绍过，GitHub 是基于 Git 的，所以也就意味着 Git 是基础，如果你不会 Git ，那么接下来你完全继续不下去，所以今天的教程就来说说 Git ，当然关于 Git 的知识单凭一篇文章肯定说不完的，我这篇文章先介绍一些最基本的、最常用的

2017-12-18 14:40:29 252

转载从0开始学习 GitHub 系列之「02.加入 GitHub」

原文：http://blog.csdn.net/googdev/article/details/52787586看完昨天的文章「从0开始学习 GitHub 系列之「初识 GitHub」」估计不少人已经开始期待我继续更新了，这不赶紧马不停蹄，加班加点给你们更新了第二篇。在更新本篇文章之前先回答昨天大家留言的两个问题：GitHub 需要翻墙么？印象中 GitHub

2017-12-18 14:36:41 185

转载从0开始学习 GitHub 系列之「01.初识 GitHub」

原文：http://blog.csdn.net/googdev/article/details/527875161. 写在前面我一直认为 GitHub 是程序员必备技能，程序员应该没有不知道 GitHub 的才对，没想到这两天留言里给我留言最多的就是想让我写关于 GitHub 的教程，说看了不少资料还是一头雾水，我转念一想，我当初接触 GitHub 也大概工作了一年多才开始学习

2017-12-18 14:34:28 237

转载深度学习这些坑你都遇到过吗？

原文：http://blog.csdn.net/u014365862/article/details/77961624如果你的神经网络不工作，该怎么办？本文作者列举了搭建神经网络时可能遇到的11个常见问题，包括预处理数据、正则化、学习率、激活函数、网络权重设置等，并提供解决方法和原因解释，是深度学习实践的有用资料。如果你的神经网络不工作，该怎么办？作者在这里列出了建神经网络时所有可

2017-12-13 11:28:03 432

转载人脸识别之人脸检测（一）--综述

人脸检测属于计算机视觉的范畴，早期人们的主要研究方向是人脸识别，即根据人脸来识别人物的身份，后来在复杂背景下的人脸检测需求越来越大，人脸检测也逐渐作为一个单独的研究方向发展起来。目前的人脸检测方法主要有两大类：基于知识和基于统计。

2017-12-06 17:26:24 1262

原创 windows下编译caffe

安装环境windows10vs2015cuda8.0cudnn v5.1python 2.7cmake 3.8cmake和python一定要添加到PATH里面。1.clone caffe 的windows分支：https://github.com/BVLC/caffe/tree/windows。2.python的一些依赖库安装的时候根据提示自行安装，

2017-11-17 15:47:10 804

原创 leetcode_13_Roman to Integer

本题就是找到规律，根据几个字母的规律组成相对应的整数。1. 找规律需要列出来大部分的项，然后认真比对找；2.被减的因子只能是1,10或者100；3.相减的项只有一次，就是只减一次，减去一个1，一个10，或者一个100；4.只有特定的字符减去特定的字符，比如10和5去减1；50和100去减10；500和1000去减100.根据以上的规律，控制的因素比较多，那么根据这些控制的因素就

2017-11-06 10:30:33 191

转载 Caffe的solver文件配置

solver.prototxt文件一直用的都是model里自带的，一直都对里面的参数不是很了解，所以今天认真学习了一下里面各个参数的意义

2017-11-02 11:17:45 190

原创 leetcode_11_Container With Most Water

这个题目第一反应就是两层循环，但是这种解法很low，然后搜索了一下答案：（作者raledong就给出了如下的分析）减少循环的核心思路是省去没有必要的遍历，并且确保所需的答案一定能被遍历到假设现在有一个容器，则容器的盛水量取决于容器的底和容器较短的那条高则我们可以从最大的底长入手，即当容器的底等于数组的长度时，则容器的盛水量为较短边的长乘底可见只有较短边会对盛水量造成影响，因此移动

2017-10-31 16:47:57 232

windows下caffe的matlab接口在https://www.github.com/happynear/caffe-windows和第三方库http://pan.baidu.com/s/1sjE5ER7的基础上编译MATLAB的caffe接口步骤：1.修改props目录下的CommonSettings.props配置文件修改 MATLAB的路径2.打开caffe,sln，将patform和...

2017-10-27 15:32:08 645

原创 Floyd深度学习训练平台

灰度图像上色的例子中用到了Floyd平台来训练，这就学习了一下Floyd的训练方法。1、注册首先到https://www.floydhub.com/注册一个账号2、安装客户端再安装folyd客户端，就一句命令而已：$ pip install -U floyd-cli3、登陆安装好后我们需要登陆，在终端中运行命令：$ floyd login终端中会提示：Aut

2017-10-26 17:28:02 1204 1

原创 LeetCode_8_String to Integer (atoi)

解答思路：1.转换注意正负号的问题，溢出的问题；2.特殊的规则，前面允许有空格，空格要忽略掉；正负号不能同时出现；一段数字遇到非数字截断；这样分析后思路就清晰了：首先，判断数字之前的字符，分三类，空格，正负号，其他非数字字符，不符合条件直接return；其次，对数字处理，这里需要注意溢出越界的问题；最后，如果数字后面还接了其他字符，截断。理解成对一个字符串的顺序

2017-10-24 11:07:25 496 1

原创 LeetCode_7_Reverse Integer

int reverse(int x) { long long remain = 0; int absX = abs(x); while (absX>0) { remain = remain * 10 + absX % 10; absX = absX / 10; } if (remain>INT_MAX) return 0; if (x<0) r

2017-10-18 16:17:49 181

原创 leetcode_6_ZigZag Conversion

之字形的排列要点:1.首位的间隔一样,2.中间的间隔不一样,3.如果nRows=1的话直接返回原始字符串.string convert(string s, int numRows){ int len = s.length(); int startGap = (numRows-1) * 2; int lable = 0; string resStr=""; in

2017-10-17 23:21:44 178

原创 leetcode_5_LongestPalindromicSubstring

寻找字符串中的最大回文串.思路:1.从前往后遍历,找到最前最后相同的字符;2.判断这个子串是否比之前的回文串长;3.比之前的回文串长则继续判断该子串是否为回文串;4.是回文串则记录下来;5.以上是判断回文串大于2的情况,当回文串没有超过1的情况,另做讨论.优化:1.循环中后面剩余的字符串小于当前的最大回文串,则停止不需要继续向后判断;2.判断回文串的过程

2017-10-15 20:58:16 177

原创路灯

1.排序数组；2.计算数组元素间最大的间隔；3.考虑首尾的特殊情况；4.精度问题；5.数组越界问题。#include #include #includeusing namespace std;int main(){ long n,l; double d=0; cin >> n >> l; int ai[n+1];

2017-10-13 10:48:25 326

原创机器学习中的L0L1L2

范数的定义:范数是一个函数,输入是一个向量或者矩阵,输出是一个数.L0范数的定义:向量或矩阵中非零元素的个数.L1范数的定义:向量或矩阵中元素的绝对值之和.L2范数的定义:向量或矩阵中元素的平方和再开方.机器学习中应用L0范数是约束投影矩阵,期望投影矩阵的L0范数小,就是非零元素的个数少,这样矩阵就稀疏,影响因素就小;但是L0范数是非凸的,不能用多项式迭代求

2017-10-12 22:47:01 936

原创约德尔测试

只需要判断历史字符串中对应的应该用1还是0来表示就解决问题。1.接受输入的可以是字符数组（char[]）也可以是字符串（string）；2.判断是字母或者数字的时候要用&&而不能用连续不等号，这是出错点；3.相除的时候保证是float型，就要确保运算的过程有float型的变量或者常量参与运算；4.保留小数位数；#include #include "string.h"#i

2017-10-12 14:57:49 284

转载深度学习性能提升的诀窍

http://www.cnblogs.com/jkmiao/p/5962744.html你可以怎样让你的深度学习模型实现更好的表现？这是一个我常被问到的问题：「我该怎么提升准确度？」或者「如果我的神经网络表现很糟糕我该怎么办？」……我常常给出的回答是：「我也不完全知道，但我有很多想法。」然后我开始列出所有我可以想到的可能能够带

2017-10-12 09:35:05 548

原创数组翻转

解题思路1：1.先找出非升序排列的那一段，标记为start和end，找出的思路是：从前向后遍历如果发现有后面的数大于前面的数那么这就是start的位置，然后break，从后向前遍历，如果有个数比start位置的数小，则end的位置就确定了；2.根据找出的start和end的位置，end处的数是不是比start-1处的数大，start处的数是不是比end+1处的数小，注意不能越界；3

2017-10-11 15:28:17 641

原创 vs2015配置python开发环境及python版本切换

1.安装vs2015，不详细说明，按照正常步骤安装即可。2.创建工程，File->New->Project，如下图选择Python->Python Application，填写ProjectName，path，solutionName，点击ok创建项目。3.安装python相关插件，如下图，点击Start，弹出的界面选择，Download and install pyt

2017-09-13 12:43:17 13836 1

转载 YUV420格式学习

最初在项目中做实时视频流的时候，采用的方案是，设置Camera Preview格式是NV21，最终MediaCodec需要的格式是I420，由于之前对YUV一无所知，所以一些旋转算法也是在网上淘的，导致有部分是在NV21的时候进行旋转，有部分则是在I420的时候进行旋转，最终还是实现了功能。最近时间比较多，也要在视频流上增加水印，决定对这部分性能进行优化，所以着重学习了解了一下YUV格

2017-09-13 10:52:03 385

原创 caffe的matlab接口,caffe.Net()崩溃

caffe.Net()崩溃的问题：因为编译caffe的动态链接库是将一些接口通过export的方式暴露出来，编译caffe的matlab接口的时候，虽然能编译通过，但是运行到caffe.Net()的时候就崩溃。另外，python的版本也由3.5切换到了2.7，目前matlab能正常调用caffe接口。

2017-09-13 10:51:02 1930 2

原创 cmake make

首先解释 config make make install.其次解释一下,cmake,CMakeLists.txt,MakeFile,make的关系

2017-09-09 17:13:22 252

转载位,比特,字节,基本类型字节数

首先要弄清介个概念:1. 位=bit=比特(bit) 表示二进制位,位是计算机内部数据储存的最小单位. 1比特就是1位2. 字节=Byte 1Byte(字节) = 8bit(比特) 一个字节存放一个ASCII码,1个英文字母占1个字节的空间，1个中文汉字占2个字节的空间. 各种类型在不同编译器占的字节数:16位编译器char ：1个字节char*(即

2017-09-09 11:44:47 2775