Ddreaming的博客

原创 Linux系统基本概念

本文记录一些linux系统中涉及的一些基本概念： - 一.应用程序管理器：apt-get,yum,pip,conda,homebrew(mac OS X系统) - 二.版本控制工具：git,cvs,SVN,Github - 三.远程连接相关：虚拟网络控制台VNC，安全协议SSH - 四.Linux系统上的图形显示界面。一、应用程序管理器 apt-get和yum是linux系统不同版

原创 Two-Stream RNN/CNN for Action Recognition in 3D Videos－阅读笔记

Two-Stream RNN/CNN for Action Recognition in 3D Videos－阅读笔记在youtube上看到这篇论文的视频，做的效果还不错，简单阅读一下： - 视频链接：https://www.youtube.com/watch?v=G0PXKCEgIoA. - 论文链接：https://arxiv.org/abs/1703.09783 - 该论文在NTU RG

原创 图

原创 我

转载 KNN

原文地址：http://blog.csdn.net/aladdina/article/details/4141127K Nearest Neighbor算法又叫KNN算法，这个算法是机器学习里面一个比较经典的算法， 总体来说KNN算法是相对比较容易理解的算法。其中的K表示最接近自己的K个数据样本。KNN算法和K-Means算法不同的是，K-Means算法用来聚类，用来判断哪些东

原创 Leetcode --9

原题链接：https://leetcode.com/problems/palindrome-number/#/description题目：Determine whether an integer is a palindrome. Do this without extra space.Some hints:Could negative integers be palindromes

转载 数据结构的堆栈与内存中堆栈的区别

随笔 - 20  文章 - 0  评论 - 14内存堆和栈的区别原文: http://student.csdn.net/link.php?url=http://www.top-e.org%2Fjiaoshi%2Fhtml%2F427.html在计算机领域，堆栈是一个不容忽视的概念，我们编写的C语言程序基本上都要用到。但对于很多的初

原创 Leetcode--8

原题链接：https://leetcode.com/problems/string-to-integer-atoi/#/description题目：Implement atoi to convert a string to an integer.Hint: Carefully consider all possible input cases. If you want a

原创 苹果笔记本设置MAC地址和ip地址

由于学校给每个实验室分配固定的IP和上网帐号，用苹果笔记本通过转街头链接网线需要设置接口的MAC地址、ip地址等。下面一一详细介绍：一、设置苹果笔记本（mac pro）的 MAC地址。第一步：首先先在终端输入如下指令，查看机器现有的MAC地址：MacBook-Pro:~ wxw$ networksetup -listallhardwareports输出：Hardware Por

转载 caffe中各层定义

Vision LayersConvolutionPoolingLocal Response Normalization LRNim2colLoss LayersSoftmaxSum-of-Squares EuclideanHinge MarginSigmoid Cross-EntropyInfogainAccuracy and Top-kActivation Neuron

转载 caffe中lstm的实现以及lstmlayer的理解

本文地址：http://blog.csdn.net/mounty_fsc/article/details/53114698本文内容：本文描述了Caffe中实现LSTM网络的思路以及LSTM网络层的接口使用方法。本文描述了论文《Long-term recurrent convolutional networks for visual recognition and descrip

转载 openmp与openmpi区别

。openmp比较简单，修改现有的大段代码也容易。基本上openmp只要在已有程序基础上根据需要加并行语句即可。而mpi有时甚至需要从基本设计思路上重写整个程序，调试也困难得多，涉及到局域网通信这一不确定的因素。不过，openmp虽然简单却只能用于单机多CPU/多核并行，mpi才是用于多主机超级计算机集群的强悍工具，当然复杂。 （1）MPI＝message passing inte

转载 LSTM

循环神经网络(RNN)点击打开链接人们的每次思考并不都是从零开始的。比如说你在阅读这篇文章时，你基于对前面的文字的理解来理解你目前阅读到的文字，而不是每读到一个文字时，都抛弃掉前面的思考，从头开始。你的记忆是有持久性的。传统的神经网络并不能如此，这似乎是一个主要的缺点。例如，假设你在看一场电影，你想对电影里的每一个场景进行分类。传统的神经网络不能够基于前面的已分类场景来推断接下来的

转载 协方差矩阵

一、统计学的基本概念统计学里最基本的概念就是样本的均值、方差、标准差。首先，我们给定一个含有n个样本的集合，下面给出这些概念的公式描述：均值：标准差：方差：均值描述的是样本集合的中间点，它告诉我们的信息是有限的，而标准差给我们描述的是样本集合的各个样本点到均值的距离之平均。以这两个集合为例，[0, 8, 12, 20]和[8, 9, 11, 12]，

转载 mAP介绍

作者：水哥链接：https://www.zhihu.com/question/41540197/answer/91698989来源：知乎著作权归作者所有，转载请联系作者获得授权。在图像中，尤其是分类问题中应用AP，是一种评价ranking方式好不好的指标：举例来说，我有一个两类分类问题，分别5个样本，如果这个分类器性能达到完美的话，ranking结果应该是+1，+1，+

转载 数据处理－Batch Normalization

今年过年之前，MSRA和Google相继在ImagenNet图像识别数据集上报告他们的效果超越了人类水平，下面将分两期介绍两者的算法细节。　　这次先讲Google的这篇《Batch Normalization Accelerating Deep Network Training by Reducing Internal Covariate Shift》，主要是因为这里面的思想比较有普适性，

转载 激活函数

深度学习中的激活函数导引我爱机器学习(52ml.net)2016年8月29日0作者：程程链接：https://zhuanlan.zhihu.com/p/22142013来源：知乎著作权归作者所有，已联系作者获得转载许可。深度学习大讲堂致力于推送人工智能，深度学习方面的最新技术，产品以及活动。请关注我们的知乎专栏！摘要近年来，深度学习在计算机视觉领

转载 深度神经网络结构以及Pre-Training的理解

深度神经网络结构以及Pre-Training的理解Logistic回归、传统多层神经网络1.1 线性回归、线性神经网络、Logistic/Softmax回归线性回归是用于数据拟合的常规手段，其任务是优化目标函数：h(θ)=θ+θ1x1+θ2x2+....θnxnh(θ)=θ+θ1x1+θ2x2+....θnxn线性回归的求解法通常为两种：①解优化多元一次

转载 正则化方法：防止过拟合，提高泛化能力

正则化方法：防止过拟合，提高泛化能力　　在机器学习各种模型训练数据不够多时，或者overtraining时，常常会导致overfitting（过拟合）。其直观的表现如下图所示，随着训练过程的进行，模型复杂度增加，在training data上的error渐渐减小，但是在验证集上的error却反而渐渐增大——因为训练出来的网络过拟合了训练集，对训练集外的数据却不work。　　　　　　　　　　

转载 深度学习中防止过拟合的方法

在深度学习中，当数据量不够大时候，常常采用下面4中方法：1. 人工增加训练集的大小. 通过平移, 翻转, 加噪声等方法从已有数据中创造出一批"新"的数据.也就是Data Augmentation2. Regularization. 数据量比较小会导致模型过拟合, 使得训练误差很小而测试误差特别大. 通过在Loss Function 后面加上正则项可以抑制过拟合的产生. 缺点是引

转载 makefile

makefile很重要      什么是makefile？或许很多Winodws的程序员都不知道这个东西，因为那些Windows的IDE都为你做了这个工作，但我觉得要作一个好的和professional的程序员，makefile还是要懂。这就好像现在有这么多的HTML的编辑器，但如果你想成为一个专业人士，你还是要了解HTML的标识的含义。特别在Unix下的软件编译，你就不能不自己写make

原创 linux下生成静态库和动态库

linux下生成静态库和动态库一、动态库、静态库简介库是写好的现有的，成熟的，可以复用的代码。现实中每个程序都要依赖很多基础的底层库，不可能每个人的代码都从零开始，因此库的存在意义非同寻常。本质上来说库是一种可执行代码的二进制形式，可以被操作系统载入内存执行。库有两种：静态库.a(win 系统下是lib)和动态库.so(win 系统下是.dll)。所谓静态、动态是指链接。回顾一下，

原创 1

转载 光流简介

光流简介参考维基百科：光流简介光流(Optical flow or optic flow)是关于视域中的物体运动检测中的概念。用来描述相对于观察者的运动所造成的观测目标、表面或边缘的运动。光流法在样型识别、电脑视觉以及其他影像处理领域中非常有用，可用于运动检测、物件切割、碰撞时间与物体膨胀的计算、运动补偿编码，或者通过物体表面与边缘进行立体的测量等等。光流的测算光流法实

转载 BOvW简介

BOW (bag of words) 模型简介Bag of words模型最初被用在文本分类中，将文档表示成特征矢量。它的基本思想是假定对于一个文本，忽略其词序和语法、句法，仅仅将其看做是一些词汇的集合，而文本中的每个词汇都是独立的。简单说就是讲每篇文档都看成一个袋子（因为里面装的都是词汇，所以称为词袋，Bag of words即因此而来），然后看这个袋子里装的都是些什么词汇，将其

原创 caffe学习笔记（2）

caffe学习笔记（2）－视觉层（vision layers)本文参考博客caffe学习，是根据这篇博客做的学习笔记。详细情况可以参考原博客，真的很赞。所有的层都具有的参数，如name, type, bottom, top和transform_param请参看我的前一篇文章：caffe学习笔记（1）本文只讲解视觉层（Vision Layers)的参数，视觉层

原创 caffe学习笔记（1）

caffe学习笔记（1）刚开始学习caffe，发现一个非常好的博客caffe学习。看了几遍收益匪浅，但是总是记不住，所以决定安装该博客的步骤一点一点实现，然后记录在该系列的博客中。原博客是在ubuntu下实现，而我是在mac下实现的，而且只是cpu模式的caffe，所以有些地方可能会有点诧异，对于ubuntu的用户，可以去参考原博客。要运行caffe，需要先创建一个模型

原创 Mac下安装caffe（cpu－only）

如何在Mac下安装caffe在安装caffe之前，应该了解些计算机的基本知识，以及Linux的基本知识，这是因为Linux和Mac的操作系统非常像。比如什么是Linux,它是怎么来的？Linux和GNU啥关系？gcc又是啥。。Linux的目录配置是咋回事，也就是下图中每个文件都存啥知道不？vim是啥，咋用？shell脚本文件是啥？bash和他啥关系？什么是系统的环境变量？怎么设置环境变量？在m

转载 编译和链接的区别、makefile怎么写

在多道程序环境中，要想将一个用户源代码变成一个可以在内存中执行的程序，通常分为三个步骤：编译、链接、载入。       （1）编译：由编译程序将用户的源代码编译成若干个目标模块。       （2）链接：由链接程序将编译后形成的一组目标模块以及它们所需要的库函数链接在一起，形成一个完整的载入模块。       （3）载入：由载入程序将载入模块载入内存。   

转载 make、make是什么？？

链接：http://www.zhihu.com/question/27455963/answer/897709191.gcc是GNU Compiler Collection（就是GNU编译器套件），也可以简单认为是编译器，它可以编译很多种编程语言（括C、C++、Objective-C、Fortran、Java等等）。2.当你的程序只有一个源文件时，直接就可以用gcc命令编译它。

原创 行为识别(HAR)调研

行为识别调研一、介绍、背景二、难点1.类内和类间数据的差异。对于很多动作，本身就具有很大的差异性，例如不同人不同时刻的行走动作在速度或步长上就具有差异性。不同动作之间又可能具有很大的相似性2.场景和视频的采集条件。背景是动态变化的或者光照、摄像头晃动等会影响结果。三、数据集1.Weizman-包含10种动作(走路、快跑、向前跳、测试跳、弯腰、挥单手、原地跳、

转载 CUDA结构简介

随着显卡的发展，GPU越来越强大，而且GPU为显示图像做了优化。在计算上已经超越了通用的CPU。如此强大的芯片如果只是作为显卡就太浪费了，因此NVidia推出CUDA，让显卡可以用于图像渲染和计算以外的目的（例如这里提到的通用并行计算）。CUDA即Compute Unified Device Architecture，是NVidia利用GPU平台进行通用并行计算的一种架构，它包含了CUDA指令集架

原创 图像评价指标及方法

图像评价指标及方法最近在调研如何评价图像的质量，从而方便对相机进行选型，经过一番查找，整理出一下资源。先来看一下评价图像质量有哪些指标，我主要参考了IEEE P1858 CPIQ标准：https://zh.scribd.com/doc/304986665/CPIQ-Overview-2016-02-15该标准中主要使用了七个指标：各个指标以及

原创 计算机视觉领域经典论文源码大全

计算机视觉领域经典论文源码在读一些大牛的论文后，总是想找些代码读一读，可是查找代码资源是如此的痛苦，经过一番请教和查找，将比较好的资源贴出来，方便大家使用，希望大家有什么更好的资源也能分享出来，可以贴在留言qu2016-CVPR论文代码资源：https://tensortalk.com/?cat=conference-cvpr-2016

转载 相机中影响成像质量的参数

相机中影响成像质量的参数随着数码技术软硬件的发展，数码相机在广告、新闻、出版等多领域得到了广泛的应用。其“所见即所得”的特点，以及不断提高的数码成像质量、不断完善的后期制作设备是数码相机能够得以普及的关键。　　数码相机的成像过程可以概括如下：镜头将被摄景物的光学影像成像在图像传感器（CCD或CMOS）的表面上；图像传感器将光学影像转换成“电荷影像”，接着转换成图像信号；图像信号

转载 C++:STL标准入门汇总

C++:STL标准入门汇总学无止境！！！第一部分：（参考百度百科） 一、STL简介STL（Standard Template Library，标准模板库)是惠普实验室开发的一系列软件的统称。它是由Alexander Stepanov、Meng Lee和David R Musser在惠普实验室工作时所开发出来的。现在虽说它主要出现在C++中，但在被

转载 STL和C++标准库

STL和C++标准函数库STL是最新的C++标准函数库中的一个子集，这个庞大的子集占据了整个库的大约80%的分量。而作为在实现STL过程中扮演关键角色的模板则充斥了几乎整个C++标准函数库。在这里，我们有必要看一看C++标准函数库里包含了哪些内容，其中又有哪些是属于标准模板库（即STL）的。 C++标准函数库为C++程序员们提供了一个可扩展的基础性框架。我们从中可以获得极大的便利，同时也可

转载 mac下安装caffe

mac下安装caffe参考：http://caffe.berkeleyvision.org/install_osx.html首先安装homebrew工具，相当于Mac下的yum或apt$ ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"

转载 Ten years of pedestrian Detection-论文整理

Ten years of pedestrian Detection-论文整理 最近正在研究行人检测，学习了一篇2014年发表在ECCV上的一篇综述性的文章，是对行人检测过去十年的一个回顾，从dataset，main approaches的角度分析了近10年的40多篇论文提出的方法，发现有三种方法（DPM变体，Deep networks，Decision forests）

原创 函数指针

函数指针函数与数据项类似，也有地址，函数的地址是存储其机器语言代码的内存的开始地址。函数的地址，可通过函数名来获取。对于一个函数：bool isEven(int n)，那么，该函数的地址就是isEven。而声明指向该函数的指针时，必需表现出与指定函数的返回类型以及函数的参数类型，对于上面的函数，其指针类型应该是：bool (*func)(int)；其中func是指向函数的指