u012910595的博客

//FileList.h//////////////////////////////////////////////////////获取目录路径下面所有文件的内容//适用于linux和windows系统////////////////////////////////////////////////////#ifndef _FILELIST_H_#define _FILELIST_H_

目标检测对于人来说是再简单不过的任务，但是对于计算机来说，它看到的是一些值为0~255的数组，因而很难直接得到图像中有人或者猫这种高层语义概念，也不清楚目标吃现在图像中那个区域。图像中的目标可能出现在任何位置，目标的形态可能存在各种各样的变化，图像的背景千差万别……，这些因素导致目标检测并不是一个容易解决的任务。得益于深度学习——主要是卷积神经网络和候选区域算法，从2014年开始，目标检测取得

旋转不变性：只要对特征定义了方向，然后在同一个方向上进行特征描述就可以实现旋转不变性。尺度不变性：为了实现尺度不变性，需要给特征加上尺度因子。在进行特征描述的时候，将尺度统一就可以实现尺度不变性了。所谓的旋转不变性和尺度不变性的原理，就是我们在描述一个特征之前，将两张图像都变换到同一个方向和同一个尺度上，然后再在这个统一标准上来描述这个特征。同样的，如果在描述一个特征之前，将图像变换到同一

SIFT解析（一）建立高斯金字塔SIFT(Scale-Invariant Feature Transform，尺度不变特征转换)在目标识别、图像配准领域具有广泛的应用，下 面按照SIFT特征的算法流程对其进行简要介绍对SIFT特征做简要介绍。高斯金字塔是SIFT特征提取的第一步，之后特征空间中极值点的确定，都是基于高斯金字塔，因此SIFT特征学习的第一步是如何建立的高斯

make pycaffe时遇到致命错误，找不到Python.h文件CXX/LD -o python/caffe/_caffe.so python/caffe/_caffe.cpppython/caffe/_caffe.cpp:1:52: fatal error: Python.h: No suchfile or directory #include //NOLINT(build/includ

FastRCNN 训练自己数据集 (1编译配置)转载请注明出处，楼燚(yì)航的blog，http://www.cnblogs.com/louyihang-loves-baiyan/http://github.com/YihangLou/fast-rcnn-train-another-dataset 这是楼主在github上修改的几个文件的链接FastRCNN是Ross G

转载请注明出处，楼燚(yì)航的blog，http://www.cnblogs.com/louyihang-loves-baiyan/https://github.com/YihangLou/fast-rcnn-train-another-dataset这是楼主在github上修改的几个文件的链接这里楼主讲解了如何修改Fast RCNN训练自己的数据集，首先请确保你已经安装好了

转载请注明出处，楼燚(yì)航的blog，http://www.cnblogs.com/louyihang-loves-baiyan/http://github.com/YihangLou/fast-rcnn-train-another-dataset这是楼主在github上修改的几个文件的链接在之前两篇文章中我介绍了怎么编译Fast RCNN，和怎么修改Fast RCNN的读