一亩半分地

数字图像基本处理算法xizero00常熟理工学院（CIT） 计算机科学与工程学院  下一代互联网实验室(NGIL Lab)Email:xizero00@163.com由于SIFT算法需要用到很多算法，所以这段时间研究了一下一些最基本的图像处理算法，好了，废话不多说，先看结果，接下

本文介绍了Caffe中的卷积层的实现，以及卷积实现的时候所使用的im2col的实现，其中重点介绍了im2col的实现原理。

有人一直对Caffe does all the bookkeeping for any DAG of layers to ensure correctness of the forward and backward passes。这句话有疑惑。我给出解释：首先给出caffe确定前传和反传的整体流程：首先根据参数文件的字符串到层的注册表中获取层的Creator函数，然后创

caffe中如何添加新的层

Caffe中Layer类是所有神经网络层的基类，BaseDataLayer继承自该类，BasePrefetchingDataLayer继承自BaseDataLayer，DataLayer继承自BasePrefetchingDataLayer。有了上述几个基础的类之后，其他的类都是从这几个类进行派生。比如DummyDataLayer，HDF5Layer和HDF5OutputLayer都是直接继承自Layer。MemoryDataLayer则是继承自BaseDataLayer凡是涉及到直接读取数据文

该类SyncedMemory主要就是在内存分配空间以及在GPU上分配空间，并且负责同步数据，此外我看mutable_cpu_data和cpu_data 这两个函数的主要区别就是head_是否改变，至于这两个函数的命名上的mutable是有着互斥的含义的。究竟体现在哪儿，我的感受是，这里的mutable的体现主要是在调用了mutable_cpu_data之后强制设置了head_为HEAD_AT_CPU，从而保护了cpu上的数据.

caffe中filler类的实现代码阅读。

Caffe代码阅读之LayerRegister的实现

（1）移植辅助的文件将include/caffe/util/下的coords.hpp和modified_permutohedral.hpp复制到caffe-windows对应的目录将src/caffe/util/modified_permutohedral.cpp复制到对应的目录中去（2）移植Layer中的特性在include/caffe/layer.h

caffe是使用loss_weight控制loss的传递在基本类Layer里的函数如下对于loss Layer loss_weight非0，对于非loss Layer，loss_weight都是0所以Layer对网络loss的贡献值也为0

一开始看代码的时候会纳闷，为啥caffe里头又一个cpu_data还要有一个mutable_cpu_data二话不说翻出源代码看看究竟有啥区别:const void* SyncedMemory::cpu_data() { to_cpu(); return (const void*)cpu_ptr_;}void* Syn

CVPR2016 Personalizing Human Video Pose Estimation个性化的人的姿态估计问题，小样本的姿态估计

王晓刚组的论文CVPR2016一、论文所解决的问题本文要解决的是在CNN中如何对关节之间的依赖进行建模，主要是引入几何变换核（单单用几何变换核，是不行的，因为会受到关节之间的距离限制，所以后面提出了双向树模型），这个核是用在卷积层的。此外还提出了双向的树结构模型（还是传统的基于图模型的玩法,将关节的树模型集成进了CNN，所谓的树模型就是把人的关节看成是一个树状的模型），这样每个关节的fea

这一层比较简单：主要就是求绝对值，反传部分的代码也很简单里头用到了caffe_abs这个函数以及caffe_cpu_sign这两个函数需要注意的是caffe_cpu_sign在math_functions.hpp里头定义得比较特别在math_functions.hpp里只有caffe_sign，通过一个宏定义生成了caffe_cpu_sign这个函数整体来说没啥特别的内容，直接上代

cmake的使用

caffe 层的定义以及参数的设置

解析Caffe中的Layer类的相关具体的实现。

众所周知OpenCV是Intel的一个开放视觉库，此前，没有一个开源的库是针对图像处理的，OpenCV的出现可谓是广大爱好图像处理的童鞋们得福音，通过OpenCV，你不但可以获得深刻的理解而且还能增长你编程的能力，同时你也可以参看OpenCV宝贵的开源代码来实现自己的图像处理算法

一、前言：关于高斯滤波在我的前一篇文章《数字图像基本处理算法》中有所谈及那篇只是介绍了高斯滤波的应用，现在这一篇将着重简介高斯滤波的原理和应用，一探个究竟！二、啥是高斯滤波？好吃么？             高斯滤波，说白了就是一个函数来对输入的信号（其实这里的信号就

我的系统是Ubuntu11.10,开发板是友善6410的，和作者的不一样，但是遇到的问题大同小异，给出楼主的博客地址：blog.youkuaiyun.com/sun_x_t/article/details/7261944环境：arm开发板是 ok6410，主机是Ubuntu10.041,准备工作：交叉编译工具用光盘自带的arm-linux-4.4.1.tar.gz，解压到/usr/local/

我的Linux系统是ubuntu11.10 ，opencv版本是2.3.1在编译的时候遇到了1. cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local opencv-src路径 make #遇到下面错误：make[2]: *** [modules/highgui/CMa

1.什么是数据归一化？归一化是一种无量纲处理手段，使物理系统数值的绝对值变成某种相对值关系。简化计算，缩小量值的有效办法。2.数据归一化的必要性在RANSAC算法中，计算2D homography过程中，需要依赖图像的坐标系，那么图像的相似变换T就不能够保证不变性，归一化的方法能够消除坐标系的影响3.数据归一化的好处RANSAC中：能够保证即便是不同坐标系的

前段时间cwj649956781说他不理解cvCalEMD2函数作用，因为时间关系，到现在才回复，实在是抱歉！1.What is EMD?所谓的EMD实际上就是Earth Mover's Distance的缩写也就是陆地移动距离2.EMD有何用？1）原因：因为光线变化能够导致图像的颜色值漂移，虽然没有改变颜色直方图的形状，但是却改变了颜色值的位置，会导致匹配

Rob Hess的SIFT算法实现理解及注释        SIFT算法不用我多解释了，这是一个很强大的算法，主要用于图像配准和物体识别等领域，但是其计算量相比也比较大，性价比比较高的算法包括PCA-SIFT和SURF其中OpenCV提供了SURF算法，但是为了方便理解。这里给出了Rob Hess所实现的SIFT算法的实现以及注释，结合我自己的理解，如果，您有关于SIFT算法不理解的地方咱们可

关于直方图均衡的证明作者：xizero00 常熟理工学院(CSLG) 下一代互联网实验室NGIL直方图究竟是用来做什么的？直方图的作用之一就是用来对图像进行增强，而直方图均衡是一种非常理想的自适应对比度增强工具。它是最基本的在空间域的图像处理的技术之一。那么又怎样才能阐释清楚你呢....... 首先我们给出初步印象定义r为一幅输入图像中的每个像素的灰度（比如从0-255

在优快云论坛上闲逛，碰到http://topic.youkuaiyun.com/u/20120411/07/d7d8bd3a-5fe7-4570-9dd4-44321de0b82c.html遇到的问题，下面就详细介绍一下cvMatchShape的含义以及用法使用Hu矩进行匹配：double  cvMatchShapes(  const void* object1,  const void

下面这个函数是模拟fspecial中的生成高斯模板的函数。function h=makefilter(size,sigma)%size为模板大小%sigma为标准差%下面的代码其实是从fspecial中摘录出来的，我做了一些更改放到自己写的函数里面便于解释%计算高斯模板的中心位置siz = ([size size]-1)/2;sig = sigma;%用

图像取证：源识别和伪造检测 续2ImageForensics: source identification and tampering detection作者：IreneAmerini 佛罗伦萨大学 MICC中文翻译：xizero00 常熟理工学院(CSLG) 下一代互联网实验室NGIL在翻译的过程中遇到很多不懂的知识点，同时也恶补了相关的知识，包括《数字图像处理》，《统计

特征提取之Haar特征一、前言（废话）很久没有写博客了，一晃几年就过去了，为了总结一下自己看的一些论文，以后打算写一些自己读完论文的总结。那么，今天就谈一谈人脸检测最为经典的算法Haar-like特征+Adaboost。这是最为常用的物体检测的方法（最初用于人脸检测），也是用的最多的方法，而且OpenCV也实现了这一算法，可谓路人皆知。另外网上写这个算法的人也不在少数。二、概述首先说明，我主要看了《

介绍Caffe的数据转换的具体实现以及IO的具体实现。对相关的代码进行剖析

PyOpenPose编译前言PyOpenPose依赖于OpenCV3以上的版本，依赖于python2.7这个版本OpenCV3的版本 其实opencv3的其他版本我也试过,2.4的会出问题，3.3的也会出问题，问了作者之后才知道他装的是3.2的，所以这里建议安装3.2的版本。 并且OpenCV3不要开启dnn，编译OpenCV3的时候一定要关闭dnn,否则会出现caffe.proto相关的错误