<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[MrSong007的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/MrSong007</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; MrSong007]]></copyright><item><title><![CDATA[默认拷贝构造函数 与 自定义拷贝构造函数]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/105727118</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/105727118</guid><author>MrSong007</author><pubDate>Mon, 27 Apr 2020 09:09:25 +0800</pubDate><description><![CDATA[拷贝构造
有Person类如下：
class Person
{
	char* pName;
public:
	Person(char* pN="noName")
	{
	cout&lt;&lt;"Constructing "&lt;&lt;pN&lt;&lt;endl;
	pName=new char[strlen(pN)+1];
	if(pName) strcpy(pName,pN);
	}
	...]]></description><category></category></item><item><title><![CDATA[神经网络与深度学习系列 -反向传播算法]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/102743732</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/102743732</guid><author>MrSong007</author><pubDate>Tue, 29 Oct 2019 08:47:29 +0800</pubDate><description><![CDATA[矩阵的在神经网络中的应用
利用矩阵在神经网络中，可以大大简化公式的复杂性，同时矩阵运算在反向传播中使用起来极为方便。

上图给出了神经网络中对权重的标注方式，wjklw_{jk}^lwjkl​表示从 (l−i)th{(l-i)}^{th}(l−i)th 层的第 kthk^{th}kth 个神经元到lth{l}^{th}lth 层的第 jthj^{th}jth 个神经元的连接上的权重。

上图给出了...]]></description><category></category></item><item><title><![CDATA[神经网络与深度学习系列 - 梯度下降与随机梯度下降]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/102612602</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/102612602</guid><author>MrSong007</author><pubDate>Thu, 24 Oct 2019 17:46:19 +0800</pubDate><description><![CDATA[神经网络与深度学习系列文章将立足于Michael Mielsen的《Nerual Networks and Deep Learning》一书，这本书内容的开展方式非常棒：以原理为导向，通过攻克一个具体的问题“识别手写数字”，来学习神经网络与深度学习的核心理论。通过本书的学习可以在自己脑海中先构建一套完整的神经网络知识“骨架”，之后再通过其他方面学习将“羽翼”填充起来，逐步学习神经网络。
感知机
第...]]></description><category></category></item><item><title><![CDATA[vs：MFC程序通过命令行窗口输出cout等语句]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/97144597</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/97144597</guid><author>MrSong007</author><pubDate>Wed, 24 Jul 2019 17:40:15 +0800</pubDate><description><![CDATA[MFC程序通过命令行窗口输出cout等语句一种简便方式
一种简便方式

在MFC项目上右键-&gt;属性
如下图所示：配置属性-&gt;生成事件-&gt;后期生成事件
命令行：输入
editbin /SUBSYSTEM:CONSOLE $(OUTDIR)\ProjectName.exe
(其中  ProjectName.exe为自己的可执行文件名称)
之后便可以在命令行窗口输出cout语句内容。
...]]></description><category></category></item><item><title><![CDATA[vs错误：error C2872: “ACCESS_MASK”: 不明确的符号]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/96423156</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/96423156</guid><author>MrSong007</author><pubDate>Thu, 18 Jul 2019 09:24:49 +0800</pubDate><description><![CDATA[问题：出现错误error C2872:“ACCESS_MASK”:不明确的符号；
问题原因：using namespace cv 和windows中都有ACCESS_MASK定义，所以导致该变量不明确；
解决方式：将所有的头文件（.h）中的using namespace cv都去掉，然后在需要用到的地方用 cv :: 代替。

...]]></description><category></category></item><item><title><![CDATA[errorLNK1169:找到一个或多个多重定义的符号]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/95212743</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/95212743</guid><author>MrSong007</author><pubDate>Tue, 09 Jul 2019 17:18:00 +0800</pubDate><description><![CDATA[提供解决该问题的另一个思路：、
有以下文件结构：
B.cpp中有语句：
#include “B.h”
如果个人写的头文件 A.h也需要被B.cpp所包含，那就直接在B.cpp中添加：#include “A.h”， 不要把#include "A.h添加到头文件 “B.h”中；
如果B.h还被其他.cpp文件所包含的话，就会出现 “errorLNK1169:找到一个或多个多重定义的符号”，应尽量避免这...]]></description><category></category></item><item><title><![CDATA[Pytorch：利用迁移学习做图像分类]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/94546876</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/94546876</guid><author>MrSong007</author><pubDate>Wed, 03 Jul 2019 12:11:26 +0800</pubDate><description><![CDATA[在这一篇文章中，我们描述了如何在 pytorch中进行图像分类。我们将使用Caltech256数据集的一个子集对10种不同动物的图像进行分类。借此来介绍数据集的准备、数据扩充，以及构建分类器的完整步骤。使用转移学习来使用低层次的图像特征，如边缘、纹理等。通过借助一个预训练的模型 resnet50，训练自己的分类器来学习数据集图像中更高级的细节，比如眼睛、腿等。ResNet50 已经在ImageNe...]]></description><category></category></item><item><title><![CDATA[Pytorch基础]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/94379355</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/94379355</guid><author>MrSong007</author><pubDate>Mon, 01 Jul 2019 13:59:45 +0800</pubDate><description><![CDATA[什么是Pytorch
Pytorch是一个基于python的库，用它可以方便地构建深度学习模型并应用在不同的领域。但是它不仅仅是另一个深度学习库那么简单，他也是一个科学计算软件包。作为一款基于python的科学计算软件包，主要有两大特色：

代替Numpy使用GPUs的能力；
一个拥有很大灵活度和速度的深度学习研究平台；

Pytorch使用 Tensor 作为他的核心数据结构，这一结构与Nump...]]></description><category></category></item><item><title><![CDATA[windows下利用Anaconda安装LabelImg]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/93641670</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/93641670</guid><author>MrSong007</author><pubDate>Tue, 25 Jun 2019 18:49:40 +0800</pubDate><description><![CDATA[官方安装教程：
本身电脑上安装有Anaconda 和 python3.7,LabelImg 在Github上该环境下的安装教程如下：

Step1：
下载LableImg-master, 解压到文件夹LabelImg_master。
Step2:
打开Anaconda Prompt, 进入到文件夹LabelImg_master内，输入：
conda install pyqt=5

如下图询问Pro...]]></description><category></category></item><item><title><![CDATA[fopen、sprintf不安全的错误]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/92841079</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/92841079</guid><author>MrSong007</author><pubDate>Wed, 19 Jun 2019 19:00:31 +0800</pubDate><description><![CDATA[VS2013中使用fopen、sprintf等函数会出现安全问题：
error C4996: ‘fopen’: This function or variable may be unsafe. Consider using fopen_s instead. To disable deprecation, use _CRT_SECURE_NO_WARNINGS. See online help fo...]]></description><category></category></item><item><title><![CDATA[C++中 “ copyTo ” 和 “赋值操作符 = ” 的区别]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/90665919</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/90665919</guid><author>MrSong007</author><pubDate>Wed, 29 May 2019 10:09:45 +0800</pubDate><description><![CDATA[如果在赋值的时候使用 “ = ”，但却对 “=” 的用法不熟悉，程序最终结果可能和自己预料的结果千差万别，而且问题原因及其难找！！！自己碰到过两三次，都是在蒙头一顿分析后才恍然记起 “ = ”的用法是特殊的，所以有必要记录下来.
Mat类
Mat类由两部分组成：
矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）；
指针 （指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可以是不同的维数）；
c...]]></description><category></category></item><item><title><![CDATA[Opencv:基于Hu-moments（hu矩）的形状匹配]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/90373119</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/90373119</guid><author>MrSong007</author><pubDate>Tue, 21 May 2019 11:16:58 +0800</pubDate><description><![CDATA[本文将按照以下目录展开介绍：

什么是图像矩；
如何计算图像矩：
什么是Hu矩；
如何利用Opencv计算一个图像Hu矩；
如何利用Hu-矩来寻找两个形状的相似性；

什么是图像力矩
图像矩是图像像素灰度值的加权平均，下面通过一个简单的例子来说明。
假设有一个单通道的二值图像  I ,位置 (x，y) 出的灰度值是  I(x，y),  I(x，y) 的取值是 0 或 1。最简单的一种力矩可以通过以...]]></description><category></category></item><item><title><![CDATA[SIFT或SURF做图像匹配过程中出现 “未声明的标识符”问题以及常用匹配函数]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/90293228</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/90293228</guid><author>MrSong007</author><pubDate>Fri, 17 May 2019 14:56:36 +0800</pubDate><description><![CDATA[“未声明的标识符***** ” 问题
今天用opencv249的SIFT时碰到一点问题：“未声明的标识符***** ”，涉及到头文件包含问题，经查询整理如下：

2.4.X版本的特征提取 SurfFeatureDetector（或者SiftFeatureDetector）包含在opencv2/nonfree/features2d.hpp中，应该include这个头文件，并且在附加依赖项中加入：op...]]></description><category></category></item><item><title><![CDATA[Computer Vision: ORB]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/89887646</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/89887646</guid><author>MrSong007</author><pubDate>Tue, 07 May 2019 11:27:44 +0800</pubDate><description><![CDATA[ORB(Oriented FAST and rotated BRIEF) 是一种快速稳定的的局部特征检测算法，来源于2011年的一篇名为“ORB: An efficient alternative to SIFT or SURF”的论文，从论文题目来看它声称可以作为大名鼎鼎的 SIFT 和 SURF 算法的替代品，的确在计算速度，匹配表现和专利应用方面是优于前两者的，特别是专利方面， SIFT 和...]]></description><category></category></item><item><title><![CDATA[机器学习：梯度下降策略（Gradient Decent）]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/89479289</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/89479289</guid><author>MrSong007</author><pubDate>Tue, 23 Apr 2019 19:28:08 +0800</pubDate><description><![CDATA[单变量线性回归：

我们有以上数据，这些数据表示的是房屋尺寸（x）和房屋价格（y）的关系, 我们希望从这些数据中找到一个房屋预测模型，当我们给这个模型一个房屋尺寸信息 （x_i） 的时候,该模型能给我们预测一个大概的房屋价格 （y_i）。这就是一个典型的单变量先行回归问题，该问题描述可以用下边的过程来表示：其中 h 是从数据中找出来的房屋模型，又称为“假设”。

假设（hypothesis）：
单...]]></description><category></category></item><item><title><![CDATA[OpenCV: 函数bitwise_and和bitwise_or的操作]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/89450419</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/89450419</guid><author>MrSong007</author><pubDate>Mon, 22 Apr 2019 13:55:43 +0800</pubDate><description><![CDATA[函数
CV_EXPORTS_W void bitwise_and(InputArray src1, InputArray src2, OutputArray dst, InputArray mask = noArray());
CV_EXPORTS_W void bitwise_or(InputArray src1, InputArray src2, OutputArray dst, InputA...]]></description><category></category></item><item><title><![CDATA[Visual Studio2013,2015官方完全卸载工具]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/89446315</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/89446315</guid><author>MrSong007</author><pubDate>Mon, 22 Apr 2019 10:05:09 +0800</pubDate><description><![CDATA[介绍
对于Visual Studio的卸载，有经验的应该知道要卸载干净是相当的麻烦，官方对此也有描述：
“ Visual Studio Uninstallation sometimes can be unreliable and often leave out a lot of unwanted artifacts. Visual Studio Uninstaller is designed to...]]></description><category></category></item><item><title><![CDATA[OpenCV: Alpha融合]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/89384434</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/89384434</guid><author>MrSong007</author><pubDate>Thu, 18 Apr 2019 17:53:39 +0800</pubDate><description><![CDATA[Alpha融合
Alpha融合是一种将前景通过透明度叠加到背景上的过程。透明度通常是图像的第四通道，当然也可以被分离出来成为一个单独的图像。这个透明的掩模通常被称为alpha掩模。

在上述图片中，左上是前景图片；右上是灰度alpha掩模；左下是背景图片，右下是融合结果。alpha融合背后的数学原理是相当直接的。在每一个像素位置，利用alpha模板（a）来融合前景图值和背景图像值。

以上的alp...]]></description><category></category></item><item><title><![CDATA["fatal error LNK1201:写入程序数据库“***.pdb”时出错；请检查是否是磁盘空间不足、路径无效或权限不够"  、在启动调试的时候出现：无法启动****.dll  、]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/89336463</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/89336463</guid><author>MrSong007</author><pubDate>Tue, 16 Apr 2019 16:38:03 +0800</pubDate><description><![CDATA[在调试自己写的dll过程中，在对dll工程“重新生成解决方案”的时候就会出现以上错误，解决请先参考以下方法：
将任何可能使用该项目生成的pdb文件的项目都停掉，因为当你编译某一项目A时，该项目A的pdb文件若正被另一处于调试状态下的编译器所使用，那么编译无法向项目A的 pdb文件写入数据。

...]]></description><category></category></item><item><title><![CDATA[win10和Visual Studio2015环境下多版本opencv共存]]></title><link>https://blog.youkuaiyun.com/MrSong007/article/details/89327863</link><guid>https://blog.youkuaiyun.com/MrSong007/article/details/89327863</guid><author>MrSong007</author><pubDate>Tue, 16 Apr 2019 10:12:00 +0800</pubDate><description><![CDATA[现网上有大量VS+opencv配置方法,而且方法基本都是只需第一次配置，以后无需重新配置。一次配置就一劳永逸的优势很明显，但也有一个很不方便的缺陷所在：假如你按照这样的方法配置了VS+opencv3，使用过程中用opencv3很方便，然而当你碰到难题需要上网求助，网上搜到大牛放出的代码超级完美的时候，却发现大牛用opencv2编写的程序你无法运行。作为刚入门的小白改编成opencv3又有些许困难....]]></description><category></category></item></channel></rss>