red_ear的博客

安装串口方法cp2102 usb to uart方法一：下载我放到百度云的驱动软件链接：https://pan.baidu.com/s/1IHlRglE5sZdOF5fzy98RWg提取码：0bl3方法二：https://www.silabs.com/developers/usb-to-uart-bridge-vcp-drivers下载解压，安装即可...

1.list列表classmate = ['mary' , 'Bob' , 'Michael']#长度len(classmate)#len()获取list元素的个数#索引classmate[0]#maryclassmate[-1]#Michael#添加元素classmate.append('kity'...

来源于这篇综述https://arxiv.org/pdf/1902.06068.pdf第1组-预先采样在这种方法中，首先对低分辨率图像进行插值以获得“粗略”高分辨率图像。现在，CNN用于学习从插值的低分辨率图像到高分辨率图像的端到端映射。直觉是，与学习从低维空间到高维空间的直接映射相比，使用传统方法（例如双线性插值法）首先对低分辨率图像进行升采样，然后对结果进行细化可能更容易。您可...

什么是图像距？ 如何计算图像距 什么是图像的Hu不变距 使用OpenCV计算Hu距 计算相似两幅图1.什么是图像距？图像矩是图像像素强度的加权平均值。 让我们选择一个简单的例子来理解。为简单起见，让我们考虑单通道二进制图像I.位置（x，y）处的像素强度由I（x，y）给出。 注意二值图像I（x，y）可以取值0或1。我们可以定义的最简单的距：                 ...

上图为未处理的图片命名在图片文件夹中新建.txt文本文件，修改后缀为.dat右键编辑，写入以下命令@echo offsetlocal enabledelayedexpansionset count=100for /f "delims=" %%i in ('dir /b *.jpg,*.png,*.bmp,*.jpeg,*.gif') do call:Rename ...

下载链接https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md

官方下载地址：https://www.anaconda.com/distribution/#download-section（推介使用下面的镜像地址）界面：官方下载很慢，推介清华镜像网站地址 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/...

前言1.本文只针对通用的人脸识别原理及实现流程做介绍，不涉及具体算法实现2. 主要是人脸识别入门及概念理解正文人脸识别，顾名思义就是使计算机能够从图像中预测人的身份。1.面部识别与面部校验两者背后的想法是一样的，只是应用领域不同。面部校验是识别固定的一个人。例如，手机的面部解锁，只需要识别出用户就可以。这是1：1的比较。面部识别系统，可以理解为在已知人的数据库中...

如果网络中含有全连接层，输入的图片大小必须是统一的。例如输入224x224x3，意味着所有的图片尺寸需要resize到这个尺寸。而不是网络的输入就必须是224x224x3，也可以是其他，如200x200x3.输入不固定的含义是，在同一个网络中，每一张图片的尺寸都可以不一致，也不需要进行resize。...

首先按照教程安装好Ruyi Studio,并配置好相关的环境。下面开始新建NNIE projectfile->new->NNIE project如图：工程的初始状态如下：右键test，新建文件夹src(用于存放.cpp文件)下面为重点：开始配置lib与includeINCLUDED:\Program\RuyiStudio-2...

计算Hu距：C++#include "opencv2/opencv.hpp"using namespace cv;using namespace std;int main(int argc, char **argv){ bool showLogTransformedHuMoments = true; for (int i = 1; i < argc; i++...

OpenCV做了近一步扩展支持所有主流的深度学习框架训练生成与导出模型数据加载，常见的有如下： Caffe TensorFlow Torch/PyTorch 以GoogleNet Caffe模型为例。 一般需要两个文件：1）模型参数 2）模型配置文件即模型框架 bvlc_googlenet.caffemodel...

#SVM 本质 寻求一个最优的超平面 分类#SVM 线性核 line# 核函数 线性核，多项式核 高斯径向基核 sigmoid核函数#身高体重 训练 预测import cv2import numpy as npimport matplotlib as plt# 准备数据rand1 = np.array([[155,48],[159,50],[164,53],[164,56],[...

首先说一下归一化的好处：    1 收敛速度加快    2 提高精确度原因参考网上的两个图：归一化前                                                                           归一化后：       我的数据格式为：5.4,3.4,1.7,0.25.1,3.7,1.5,0.44.6,3.6,1.0,0.25.1,3.3,1....

这么做的目的是方便训练是时数据的导入。话不多说，直接贴出我的程序头文件#ifndef _TXTTOVECTOR_H#define _TXTTOVECTOR_H#include<iostream>#include <fstream>#include <vector>#include <string>using namespace std;...

拟合结果：1 欠拟合：样本不够或算法不精。测试样本特性没学到2 拟合完美：恰当的拟合测试数据，泛化能力强3 过拟合： 一丝不苟拟合测试数据 泛化能力弱  （推广能力差）例如 ： 在回归和分类问题中三种拟合状态           解决过拟合的一些方法方法：1 降低数据量    2 正则化    3  Dropout(丢弃)        ...

论文下载code下载  而非局部(non-local) 模块把非局部感受野的信息提取操作做成一个神经网络模块，方便了端到端的视频分析：                   这个模块输入x可以理解为32帧的视频（32张图片帧数 T=32，长宽为H×W），输出z也是H×W大小的特征图。有没有注意到最左端的箭头是一个跳层连接？没错，non-local模块就是把视频额外的时空信息提取作为一...

Haar+Adaboost实现人脸识别1 首先明白什么是特征： 特征 = 像素经过运算 得到的结果（具体值 向量 矩阵 多维）2 如何利用特征区分目标？阈值判决3 得到判决？机器学习haar特征，是一种利用模版对像素的计算，主要有模版的滑动和模版的缩放OpenCV中haar特征模版有一下的14种 以第一个模板为例上面计算特征的结果是一样的一个模板...

1 图像分类和目标识别的区别       分类（左）和目标检测（右）之间的差异是直观和直接的。对于图像分类，将整个图像分类为单个标签。在对象检测的情况下，我们的神经网络定位图像中的（潜在多个）对象。因此，我们可以认为图像分类为：一个图像   一类标签（整幅图像）对象检测：不管是否通过深度学习或其他计算机视觉技术来执行，都建立在图像分类上，并试图精确地定位图像中每个对象出现的位置...

The idears       典型的CNN一般收缩特征图（ feature map）和增加卷积深度。越深层的map越能覆盖大的感受野，构成交抽象的表达。通过利用这些信息，我们可以使用浅层来预测小的物体和深层来预测大的物体，因为小的物体不需要更大的接收场，更大的接收场对于小的物体可能是混淆的。      下面的图表显示了SSD使用VGG网作为基础网络架构。中间一列是特征图。每一层的fea...

什么是决策树（判定树）         判定树是一个类似于流程图的树结构：其中，每个内部结点表示在一个属性上的测试，每个分支代表一个属性输出，而每个树叶结点代表类或类分布。树的最顶层是根结点。简单的说，就是每一个节点进行判断。熵 一条信息的信息量大小和它的不确定性有直接的关系，要搞清楚一件非常非常不确定的事情，或者是我们一无所知的事情，需要了解大量信息==>信息量的度...

首先放出一张大家熟悉的卷积神经网络示例图：在开始之前，有必要介绍一下卷积神经网络中的名词。卷积层：经过卷积核（滤波器）运算后的特征图。图中为C层采样层：又叫池化层，主要的目的在于减少上一层的特征数量。假设滤波器大小为2，则经过池化过程，特征的数量减少2*2倍。局部感受野：我们将输入的图像划分成很多的小方阵，每个小方阵我们称为局部感受野。卷积核：包含权值的矩阵。言归正传，对比于人工神经网络     ...