wazwx的专栏

Opencv源码解析------二值化二值化的4种方法：（1）      对于RGB图像进行灰度化，然后扫描图像的每个像素。大于阈值的设为255（白色）。小于阈值的设为0（黑色）。（2）      计算图像像素的均值K，然后扫描图像的每个像素，像素值大于K的设为255（白色），小于K的设为黑色（0）。（3）      大津法：利用直方图的形式统计像素的分布情况然后，求得图像直方图的

步骤一，首先要使voc-release4.01目标检测部分的代码在windows系统下跑起来：参考在window下运行DPM(deformable part models) -（检测demo部分）步骤二，把训练部分代码跑通，在VOC数据集上进行测试，如下文：在windows下运行Felzenszwalb的Deformable Part Model(D

这个应该是目前最全的Tracking相关的文章了,转载请注明出处。一、Surveyand benchmark：1.      PAMI2014：VisualTracking_ An Experimental Survey，代码：http://alov300pp.joomlafree.it/trackers-resource.html2.      CVPR2013:On

机器学习算法是人工智能分析的基础，机器学习算法分支很多，大体有以下几类。 统计机器学习的方式，人工神经网络，深度学习，和聚类算法。在统计机器学习算法中，主要包括一下三个方面：模型，策略，算法。以下从各种不同的角度简单介绍一下，机器学习算法。资源总结：深度学习和机器学习资源库：http://suanfazu.com/t/ji-qi-xue-xi-he-shen-du-xue-xi-x

机器学习算法学习与总结——朴素贝叶斯分类器朴素贝叶斯算法是目前非常流行的机器学习分类算法，在垃圾邮件过滤、文本分类，手写数字识别等领域。朴素贝叶斯算法的算法思想是：对于给定的输入样本，在已知先验概率，和样本类别的概率分布模型（已知属于某一类别的前提下样本发生的条件概率分布）的前提下，通过贝叶斯公式求得样本类别的后验概率，将后验概率最大的样本所属的类作为分类器的输出。 从上述算法思想可以

深度学习系列——windows平台下跑微软的caffe实战之运行mnist,cifar10为了防止自己遗忘写此博客，请各位大牛多多指正。Minst训练我的编译环境是在windows平台下面，用微软的caffe搭建深度学习的编译环境。编译环境请参考博客：http://blog.youkuaiyun.com/K3832127/article/details/50819464。我在安装过程中将winpy

Opencv在安卓平台上编译----调用C++库因项目需要在安卓平台上面进行人脸检测，而且为了提高效率需要调用C++的库函数。其中的大部分的步骤是参考下面博客完成的。然而在这儿总结一下自己在整个编译安装过程中遇到的问题。http://blog.youkuaiyun.com/pwh0996/article/details/8957764/1.jni项目的建立。开始参考博客结果建立项目失败

转自：http://www.cnblogs.com/tornadomeet/archive/2012/05/24/2515980.htmlDeep Learning（深度学习）：ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：一ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：二Bengio团队的deep learning教

CUDA7.5+opencv2.4.11+vs2013+TBB  环境配置我的电脑GPU显卡是GTX970。目前比较好的显卡，经过一天的努力环境搭建重要成功。今天在这儿