摘要：
通常更加高级的形态学变换，如开闭运算、形态学梯度、“顶帽”、“黑帽”等等，都是可以由常用的腐蚀膨胀技术结合来达到想要的效果。 1.开运算：先腐蚀后膨胀，用于用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积，就是使图片过度更为顺畅，填补小的空隙。 2.闭运算：先膨胀后腐蚀 阅读全文
摘要：
CMake是一个比make更高级的编译配置工具，它可以根据不同平台、不同的编译器，生成相应的Makefile或者vcproj项目。通过编写CMakeLists.txt，可以控制生成的Makefile，从而控制编译过程。CMake自动生成的Makefile不仅可以通过make命令构建项目生成目标文件， 阅读全文
摘要：
一。RCNN: 1、首先通过选择性搜索，对待检测的图片进行搜索出2000个候选窗口。 2、把这2k个候选窗口的图片都缩放到227*227，然后分别输入CNN中，每个候选窗台提取出一个特征向量，也就是说利用CNN进行提取特征向量。 3、把上面每个候选窗口的对应特征向量，利用SVM算法进行分类识别。 可 阅读全文
摘要：
参考： http://blog.csdn.net/iamrichardwhite/article/details/51089199 一、神经网络的发展历史 五六十年代，提出感知机 八十年代，提出多层感知机，也就是神经网络，神经网络的层数直接决定了它对现实的刻画能力。 但是，多层神经网络带来了一些问题 阅读全文
摘要：
继续上次的学习笔记，在RCNN之后是Fast RCNN，但是在Fast RCNN之前，我们先来看一个叫做SPP-net的网络架构。 一，SPP（空间金字塔池化，Spatial Pyramid Pooling）简介： 有一个事实需要说清楚：CNN的卷积层不需要固定尺寸的图像，全连接层是需要固定大小输入 阅读全文
摘要：
原文链接：http://m.blog.csdn.net/article/details?id=49591213 1. 前言 在学习深度学习的过程中，主要参考了四份资料： 台湾大学的机器学习技法公开课； Andrew NG的深度学习教程； Li feifei的CNN教程； caffe官网的教程； 对比 阅读全文
摘要：
最近在实验室和师兄师姐在做有关RCNN的研究，发现这里面坑很深呀，在网上找了一个大牛的博客，准备下来继追OPENCV同时，再来追一个RCNN的学习笔记的博文，博文地址如下：http://blog.csdn.net/column/details/ym-alanyannick.html，真的很感谢原作者 阅读全文
摘要：
本文非原创，原文转载自：http://blog.csdn.net/ttransposition/article/details/12966521 DPM(Deformable Parts Model) Reference: Object detection with discriminatively 阅读全文
摘要：
继续昨晚的学习总结，昨晚看到轨迹条的创建就没有看下去了，今天继续： 1.轨迹条的创建: 轨迹条往往会和一个回调函数配合使用，当轨迹条发生改变，就调用这个轨迹条的回调函数 int createTrackbar(conststring& trackbarname, conststring& winnam 阅读全文
摘要：
想在周末去游泳，找了些游泳的注意事项什么的，想想还没干正事，就来继续看看opencv的使用吧，晚上看了opencv的一些基本入门的东西，打算下面主要总结CSDN上一个大牛的博文，链接如下：http://blog.csdn.net/poem_qianmo/article/details/2371072 阅读全文