<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_41248447的博客]]></title><description><![CDATA[程序设计]]></description><link>https://blog.youkuaiyun.com/qq_41248447</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_41248447]]></copyright><item><title><![CDATA[Tensorflow框架下目标检测所需数据集的制作步骤：]]></title><link>https://blog.youkuaiyun.com/qq_41248447/article/details/99701106</link><guid>https://blog.youkuaiyun.com/qq_41248447/article/details/99701106</guid><author>qq_41248447</author><pubDate>Sun, 18 Aug 2019 09:33:34 +0800</pubDate><description><![CDATA[第一步：收集图片，按照一定比例分别放置在train文件夹和test（或者val数据集）文件夹中的JPEGImage文件夹下；注意：训练集和验证集文件夹下分别有Annotation文件夹和JPEGImage文件夹；

第二步：分别对文件夹下的图片进行统一命名，一般多以数字升序来命名；

1、可以使用Windows自带的重命名，一般数字名称会带有括号，可以按照另一个博主的文章进行对应的修改；地址链接如...]]></description><category></category></item><item><title><![CDATA[实用教程！使用YOLOv3训练自己数据的目标检测]]></title><link>https://blog.youkuaiyun.com/qq_41248447/article/details/86490454</link><guid>https://blog.youkuaiyun.com/qq_41248447/article/details/86490454</guid><author>qq_41248447</author><pubDate>Tue, 15 Jan 2019 12:01:17 +0800</pubDate><description><![CDATA[实用教程！使用YOLOv3训练自己数据的目标检测

52CV君 我爱计算机视觉 今天

点击我爱计算机视觉标星，更快获取CVML新技术

 

YOLOv3是当前计算机视觉中最为流行的实时目标检测算法之一。

 



 

昨天LearnOpenCV网站博主又发福利，post了一个清晰明了的教程，一步一步示例，如何使用快速实时的YOLOv3算法，训练某种特定类别目标的检测器。

 

作者收集了...]]></description><category></category></item><item><title><![CDATA[快如闪电的目标检测YOLOv3算法，有了TensorFlow实现]]></title><link>https://blog.youkuaiyun.com/qq_41248447/article/details/86410492</link><guid>https://blog.youkuaiyun.com/qq_41248447/article/details/86410492</guid><author>qq_41248447</author><pubDate>Sun, 13 Jan 2019 11:10:53 +0800</pubDate><description><![CDATA[快如闪电的目标检测YOLOv3算法，有了TensorFlow实现

原创 量子位 2019-01-12 11:11:20


方栗子 发自 凹非寺

量子位 报道 | 公众号 QbitAI




△ 来自YOLOv3原作者

YOLOv3，快如闪电，可称目标检测之光。

PyTorch实现早在去年4月就出现了，TensorFlow实现却迟迟不见。

现在，有位热心公益的程序猿 (Yunyang1...]]></description><category></category></item><item><title><![CDATA[如何更好地玩转 GitHub]]></title><link>https://blog.youkuaiyun.com/qq_41248447/article/details/86136399</link><guid>https://blog.youkuaiyun.com/qq_41248447/article/details/86136399</guid><author>qq_41248447</author><pubDate>Wed, 09 Jan 2019 10:49:22 +0800</pubDate><description><![CDATA[如何更好地玩转 GitHub？

优快云 2019-01-07 14:59:47



 


作者 | 黄昱俊

责编 | 郭芮


本文介绍如何在GitHub上更新Fork以及PullRequest给源项目。

在GitHub上更新Fork

经常遇到的是Fork一个项目之后，源项目的作者做了新的更改，如果没有同步到我自己的Fork，我所做的更新进行Pull Request后，会产生冲突；因...]]></description><category></category></item><item><title><![CDATA[平衡二叉树、B树、B+树、B*树 的理解]]></title><link>https://blog.youkuaiyun.com/qq_41248447/article/details/85837340</link><guid>https://blog.youkuaiyun.com/qq_41248447/article/details/85837340</guid><author>qq_41248447</author><pubDate>Sat, 05 Jan 2019 10:23:26 +0800</pubDate><description><![CDATA[
								            
						
                1、平衡二叉树（1）由来：平衡二叉树是基于二分法的策略提高数据的查找速度的二叉树的数据结构；（2）特点：平衡二叉树是采用二分法思维把数据按规则组装成一个树形结构的数据，用这个树形结构的数据减少无关数据的检索，大大的提升了数据检索的速度；平衡二叉树的数据结构组装过程有以下规则：非叶子节点只能允许最多两个子节点存...]]></description><category></category></item><item><title><![CDATA[力荐 50 个最实用的免费机器学习数据集]]></title><link>https://blog.youkuaiyun.com/qq_41248447/article/details/85677027</link><guid>https://blog.youkuaiyun.com/qq_41248447/article/details/85677027</guid><author>qq_41248447</author><pubDate>Thu, 03 Jan 2019 09:33:40 +0800</pubDate><description><![CDATA[力荐 50 个最实用的免费机器学习数据集

Spark大数据开发 2019-01-02 17:45:11


首先，在搜索数据集时要记住这几点：


♦ 数据集不应该是混乱的，因为你不希望花费大量时间来清理数据。

♦ 数据集不应包含太多行或列，要很容易使用。

♦ 数据越干净越好，因为清理大型数据集可能非常耗时。

这个数据集应该可以回答一个非常有趣的问题。



 

数据集查找器

Kagg...]]></description><category></category></item><item><title><![CDATA[PyCharm的Python.exe已经停止工作]]></title><link>https://blog.youkuaiyun.com/qq_41248447/article/details/85563940</link><guid>https://blog.youkuaiyun.com/qq_41248447/article/details/85563940</guid><author>qq_41248447</author><pubDate>Tue, 01 Jan 2019 22:02:31 +0800</pubDate><description><![CDATA[
								            
							
							
							今天遇到一个问题，就是用pycharm运行python3.5程序，老是会出现Python.exe已停止的对话框。后来我到处在网上搜原因，网上给出的解决办法也有很多种。最终帮我解决问题的就是：打开网络防火墙，把相应的Python.exe,pythonw.exe还有sqlservr.exe添加到防火墙允许程序列表...]]></description><category></category></item><item><title><![CDATA[MFC-设备坐标和逻辑坐标]]></title><link>https://blog.youkuaiyun.com/qq_41248447/article/details/85564148</link><guid>https://blog.youkuaiyun.com/qq_41248447/article/details/85564148</guid><author>qq_41248447</author><pubDate>Tue, 01 Jan 2019 22:00:36 +0800</pubDate><description><![CDATA[
								            
						
                MFC-设备坐标和逻辑坐标
2009-04-07 15:28


Windows应用程序绘制图形时使用的是一种逻辑单位，每个逻辑单位的大小由映射模式决定，这个逻辑单位既可以与设备单位（屏幕或打印机上的一个像素点）相同，也可以是一种物理单位（如毫米），还可以是用户自定义的一种单位。在Windows应用程序中，只...]]></description><category></category></item><item><title><![CDATA[C++库介绍-标准库、类库]]></title><link>https://blog.youkuaiyun.com/qq_41248447/article/details/85563681</link><guid>https://blog.youkuaiyun.com/qq_41248447/article/details/85563681</guid><author>qq_41248447</author><pubDate>Tue, 01 Jan 2019 21:52:52 +0800</pubDate><description><![CDATA[
								            
						
目录：
1.标准库2.GUI库3.网络通信4.XML5.科学计算6.游戏开发7.线程8.序列化9.字符串10.综合11.其他12.C++重要人物网站C++类库介绍&amp;nbsp;再次体现了C++保持核心语言的效率同时大力发展应用库的发展趋势!!在C++中，库的地位是非常高的。C++之父 Bjarne Stroustrup先生多次表示了设计库来扩...]]></description><category></category></item><item><title><![CDATA[[vs+qt+opencv]手把手做GUI图像采集及处理UI交互界面]]></title><link>https://blog.youkuaiyun.com/qq_41248447/article/details/85562707</link><guid>https://blog.youkuaiyun.com/qq_41248447/article/details/85562707</guid><author>qq_41248447</author><pubDate>Tue, 01 Jan 2019 21:36:53 +0800</pubDate><description><![CDATA[
								            
						
                首先说明下工作平台vs2013+opencv2.4.9+qt5.7（附完整代码，可下载直接运行）
功能：如题，GUI图像采集及处理UI交互界面，点击采图和处理，在这里只做灰度化
先看效果界面，这也就是最后成功的样子
&amp;nbsp;

&amp;nbsp;
////////////////////////////////...]]></description><category></category></item><item><title><![CDATA[C++大牛的博客]]></title><link>https://blog.youkuaiyun.com/qq_41248447/article/details/85546003</link><guid>https://blog.youkuaiyun.com/qq_41248447/article/details/85546003</guid><author>qq_41248447</author><pubDate>Tue, 01 Jan 2019 16:48:23 +0800</pubDate><description><![CDATA[
								            
						


1. C++大牛的博客

&amp;nbsp; &amp;nbsp;&amp;nbsp;Bjarne
 Stroustrup的博客:&amp;nbsp;Bjarne
 Stroustrup’s Homepage

Bjarne Stroustrup，不认识的可以去面壁了，没有他，就没有我们现在的饭碗。Bjarne Stroustrup是丹麦人，目前任教于TAMU。他的...]]></description><category></category></item><item><title><![CDATA[用OpenCV实现目标追踪的八种方法（转）]]></title><link>https://blog.youkuaiyun.com/qq_41248447/article/details/85415540</link><guid>https://blog.youkuaiyun.com/qq_41248447/article/details/85415540</guid><author>qq_41248447</author><pubDate>Sun, 30 Dec 2018 22:32:42 +0800</pubDate><description><![CDATA[
								            
						
                原文地址：http://m.elecfans.com/article/722414.html
编者按：目标跟踪作为机器学习的一个重要分支，加之其在日常生活、军事行动中的广泛应用，很多国内外学者都对此颇有研究。本文将讨论OpenCV上八种不同的目标追踪算法。
虽然我们熟知的的质心追踪器表现得很好，但它需要我们在...]]></description><category></category></item><item><title><![CDATA[资源推荐：目标检测算法进展大综述]]></title><link>https://blog.youkuaiyun.com/qq_41248447/article/details/85220418</link><guid>https://blog.youkuaiyun.com/qq_41248447/article/details/85220418</guid><author>qq_41248447</author><pubDate>Sun, 23 Dec 2018 09:17:45 +0800</pubDate><description><![CDATA[资源推荐：目标检测算法进展大综述

深度学习思考者 2018-12-22 19:28:58

点击上方△头像可进入主页



 

性能对比



 



 

2018检测论文

[YOLO v3] YOLOv3: An Incremental Improvement
	[ZIP] Zoom Out-and-In Network with Recursive Training for Obje...]]></description><category></category></item><item><title><![CDATA[图像语义分割的深度学习算法综述]]></title><link>https://blog.youkuaiyun.com/qq_41248447/article/details/85220408</link><guid>https://blog.youkuaiyun.com/qq_41248447/article/details/85220408</guid><author>qq_41248447</author><pubDate>Sun, 23 Dec 2018 09:15:43 +0800</pubDate><description><![CDATA[图像语义分割的深度学习算法综述

原创 不靠谱的猫 2018-12-13 18:46:39



COCO数据集的示例

图像语义分割挑战在于将图像的每个像素（或仅几个像素）分类为实例，每个实例（或类别）对应于对象或图像的一部分（道路，天空......）。这项任务是场景理解概念的一部分：深度学习模型如何更好地学习视觉内容的全局背景呢？

在复杂性方面，对象检测任务已超出图像分类任务。它包括在图像中...]]></description><category></category></item><item><title><![CDATA[深度学习论文阅读路线图]]></title><link>https://blog.youkuaiyun.com/qq_41248447/article/details/85028826</link><guid>https://blog.youkuaiyun.com/qq_41248447/article/details/85028826</guid><author>qq_41248447</author><pubDate>Sun, 16 Dec 2018 10:47:23 +0800</pubDate><description><![CDATA[深度学习论文阅读路线图

原创： ronghuaiyang AI公园 11月3日

请点击上方“AI公园”，关注公众号

本文选自github

作者：floodsun

编译：ronghuaiyang

作者一年前整理的东西，有些最新的论文没有包含进去，但是对于新手来说，入门足够了！


如果你是深度学习领域的新人，你的第一个问题可能是“我该从哪些论文开始读起呢？”

这就是深度学习论文的阅读路...]]></description><category></category></item><item><title><![CDATA[图像语义分割的深度学习算法综述]]></title><link>https://blog.youkuaiyun.com/qq_41248447/article/details/85028804</link><guid>https://blog.youkuaiyun.com/qq_41248447/article/details/85028804</guid><author>qq_41248447</author><pubDate>Sun, 16 Dec 2018 10:45:14 +0800</pubDate><description><![CDATA[图像语义分割的深度学习算法综述

原创 不靠谱的猫 2018-12-13 18:46:39



COCO数据集的示例

图像语义分割挑战在于将图像的每个像素（或仅几个像素）分类为实例，每个实例（或类别）对应于对象或图像的一部分（道路，天空......）。这项任务是场景理解概念的一部分：深度学习模型如何更好地学习视觉内容的全局背景呢？

在复杂性方面，对象检测任务已超出图像分类任务。它包括在图像中...]]></description><category></category></item><item><title><![CDATA[初学者福利：机器学习项目清单]]></title><link>https://blog.youkuaiyun.com/qq_41248447/article/details/85028788</link><guid>https://blog.youkuaiyun.com/qq_41248447/article/details/85028788</guid><author>qq_41248447</author><pubDate>Sun, 16 Dec 2018 10:43:04 +0800</pubDate><description><![CDATA[初学者福利：机器学习项目清单

原创 AI中国 2018-12-12 17:43:39

点击上方关注，All in AI中国

为了加强自己对某一进程的解释而编纂和比较某一特定进程的各种解释的活动是有价值的。我之前已经对我们可以称之为机器学习过程的其他解释做了这样的事情（并且可以合理地与数据科学或数据挖掘过程紧密结合，至少在某种程度上）。



 

为了进一步完善我们的内部模型，本文将概述Au...]]></description><category></category></item><item><title><![CDATA[图像处理中频域变换的理解：]]></title><link>https://blog.youkuaiyun.com/qq_41248447/article/details/85028758</link><guid>https://blog.youkuaiyun.com/qq_41248447/article/details/85028758</guid><author>qq_41248447</author><pubDate>Sun, 16 Dec 2018 10:38:29 +0800</pubDate><description><![CDATA[冈萨雷斯版&amp;lt;图像处理&amp;gt;里面的解释非常形象：一个恰当的比喻是将傅里叶变换比作一个玻璃棱镜。棱镜是可以将光分解为不同颜色的物理仪器，每个成分的颜色由波长（或频率）来决定。

傅里叶变换可以看作是数学上的棱镜，将函数基于频率分解为不同的成分。当我们考虑光时引用博客地址,讨论它的光谱或频率谱。同样, 傅立叶变换使我们能通过频率成分来分析一个函数。

图像傅立叶变换的物理意义 图像的频率是表征图...]]></description><category></category></item></channel></rss>