jovahe的专栏

一．Qt的那些事儿 1.        QObject是所有类的基类，而QWidget是所有图形类的基类，继承了QObject和QPaintDevice。2.        Qt Object Model，主要包括如下的东西1.信号和槽，connect函数2.良好的对象属性，如可查询和很好看，，，~~ 3.有力的事件和事件过滤器4.国际化字符设计5.定时器为GUI的

深度学习遥感影像分类之数据集批量准备近年来，深度学习在遥感影像地物分类中取得了一系列显著的效果。CNN可以很好的获取影像纹理信息，捕捉像素与像素之间的空间特征，因此，一个训练好的深度学习模型在地物提取中具有很大的优势。但模型的训练却是一个很繁琐的任务，需要人工准备数据集，贴标签，训练模型等。本文将以sar影像为例实现冰水二分类的数据集批量准备工作（划线取点截取小图片保存）：

《Learning multiple layers of representation》是Hiton教授2007年发表在Trends. Cogn.Sci.上的一篇文章是深度学习的一篇经典文章，被引率非常高。在文章的开始，提出的思想是：不同于以往学习一个分类器的目标，而是希望学习一个生成模型（generative model）。作者指出，在一个神经网络中，如果它既包含自底向上的“

大数据之：影像提取中深度学习样本库获取的思考话说，虾神一直是做空间统计和数据分析的，对于深度学习这个热门学科，一直以来也就停留在“了解”阶段，虽然这个平展开来，里面比较核心的技术使用了聚类，而虾神研究生的时候做的课题也正好是空间聚类，所以也算有点沾亲带故把。但是毕竟不是专门做这个的，具体的技术细节也处于一知半解的状态，而今天突然“赶时髦”般的想写这样一篇文章，无论是蹭热点也好，东施效颦也好

卷积神经网络 LeNet-5各层参数详解一. 理解卷积和子采样卷积过程：用一个可训练的滤波器fx去卷积一个输入的图像（第一阶段是输入的图像，后面的阶段就是卷积特征map），然后加一个偏置bx，得到卷积层Cx;子采样过程：邻域四个像素求和变为一个像素，然后通过标量W加权，再增加偏置b，然后通过一个sigmoid激活函数，产生一个缩小