qq_34179420的博客

文件列表如下：boostdesc_bgm.i、boostdesc_bgm_bi.i、boostdesc_bgm_hd.i、boostdesc_binboost_064.i、boostdesc_binboost_128.i、boostdesc_binboost_256.i、boostdesc_lbgm.i、ippicv_linux_20151201.tgz、protobuf-cpp-3.1.0.tar.gz、vgg_generated_48.i、vgg_generated_64.i、vgg_generated_80.i、vgg_generated_120.i。

该资源包括opencv-3.4.4和opencv_contrib-3.4.4压缩包，方便无法通过GitHub下载的用户。

在正式开始写深度学习的知识之前，会有两节传统神经网络的内容，因为深度学习中大量运用了以往神经网络的知识。搞懂传统的神经网络如何工作是很有必要的，有助于对之后的学习打下坚实的基础。

本书针对图像处理、图像分析和机器视觉领域的有关原理与技术展开了广泛而深入的讨论，包括图像预处理、图像分割、形状表示与描述、物体识别与图像理解、三维视觉、数学形态学图像处理技术、离散图像变换、图像压缩、纹理描述、运动分析等。本书力图将复杂的概念通过具体示例用易于理解的算法来描述，提供了大量包含图示和处理结果的插图，特别有助于读者的学习和理解。此外，本书还提供了丰富的参考文献，既列出了那些经过时间考验的经典论文，也列出了能反映未来发展方向的最新进展，适于读者进一步深入探索。

《统计学习理论的本质》主要内容：统计学习理论是针对小样本情况研究统计学习规律的理论，是传统统汁学的重要发展和补充，为研究有限样本情况下机器学习的理论和方法提供了理论框架，其核心思想是通过控制学习机器的容量实现对推广能力的控制。在这一理论中发展出的支持向量机方法是一种新的通用学习机器，较以往方法表现出很多理论和实践上的优势。《统计学习理论的本质》是该领域的权威著作，着重介绍了统计学习理论和支持向量机的关键思想、结论和方法，以及该领域的最新进展。

该文档适合打算入门深度学习的新手补习基础数学知识。