<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_44490994的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_44490994</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_44490994]]></copyright><item><title><![CDATA[在Java中调用Matlab程序踩坑指南]]></title><link>https://blog.youkuaiyun.com/qq_44490994/article/details/130514762</link><guid>https://blog.youkuaiyun.com/qq_44490994/article/details/130514762</guid><author>qq_44490994</author><pubDate>Fri, 05 May 2023 21:29:09 +0800</pubDate><description><![CDATA[我们的Matlab中的方法接收的是一张图像+两个字符串共三个参数，要注意的是，这里返回的所有变量的类型都是Matlab自己定义的类型。我才就是前面我们导入的。点击菜单栏->附加功能->搜索Matlab Compiler SDK，因为我的电脑安装的是精简版的Matlab，所以要额外安装该组件。网上很多的介绍说Matlab中的jdk版本要和使用的jdk版本一样。点开Recovery的源码，就可以看到刚才定义的方法了，这里最常使用的实际上是重载的第三个方法。文件，之后重命名导出的方法所在的类名，]]></description><category></category></item><item><title><![CDATA[OpenCV+QT5在Window下的环境配置记录]]></title><link>https://blog.youkuaiyun.com/qq_44490994/article/details/124199157</link><guid>https://blog.youkuaiyun.com/qq_44490994/article/details/124199157</guid><author>qq_44490994</author><pubDate>Fri, 15 Apr 2022 17:05:31 +0800</pubDate><description><![CDATA[OpenCV+QT5在Window下的环境配置记录0. 需要的工具1. Qt Creator安装2. OpenCV的下载安装3. CMake的下载使用4. 在cmd中使用mingw32-make命令构建dll库5. 在Qt Creator的.pro文件中添加配置
在安装OpenCV时最需要注意的是，OpenCV库，也就是我们需要的dll和动态库需要我们使用CMake来生成。
虽然在官网上下载得到的文件中已经包含了库文件和.h等头文件，但是在具体开发中编译器编译后的源文件都会和库文件去进行链接。
这就导致不同]]></description><category></category></item><item><title><![CDATA[AlexNet论文简单翻译]]></title><link>https://blog.youkuaiyun.com/qq_44490994/article/details/119104290</link><guid>https://blog.youkuaiyun.com/qq_44490994/article/details/119104290</guid><author>qq_44490994</author><pubDate>Mon, 26 Jul 2021 10:36:49 +0800</pubDate><description><![CDATA[AlexNet
摘要
为了参加LSVRC-2010的ImageNet比赛，我们训练了一个广而深的卷积神经网络来上正确进行具有1000种类别的120万张高解析度的图片分类，最后top-1和top-5的错误率，分别为37.5%和17.0%，比之前最先进的技术还要好。这个网络有6000万个参数，650000个神经元，共5层，其中某些层后面为Max Pooling层，还有3层全连接层，最后是一层softmax来给出1000个分类。为了让训练更快，我们使用了非饱和神经元_（反向传播经过这个神经元时，梯度不接近0，还能]]></description><category></category></item><item><title><![CDATA[如何理解卷积神经网络（An Intuitive Explanation of Convolutional Neural Networks）]]></title><link>https://blog.youkuaiyun.com/qq_44490994/article/details/118724839</link><guid>https://blog.youkuaiyun.com/qq_44490994/article/details/118724839</guid><author>qq_44490994</author><pubDate>Wed, 14 Jul 2021 13:04:28 +0800</pubDate><description><![CDATA[本篇为Ujjwal Karn在其博客中的博文An Intuitive Explanation of Convolutional Neural Networks的自翻，主要帮助自己更好地理解卷积神经网络，英语不好，翻译水平有限，烦请指正。

卷积神经网络是如何工作的，它为何如此重要？

卷积神经网络（也称ConvNet或CNNs）是神经网络的一个分类，它已被证明在图像识别和分类领域十分有效。ConvNets已在在人脸识别、机器人和自动驾驶在汽车中除视觉驱动外的物体和交通信号这些领域取得了成功。



上面的.]]></description><category></category></item></channel></rss>