02 2016 档案

摘要:继之前那篇博文配置了C++后今天配置了python环境,下面是我安装过程中用到的博文的一个整理: vim配置python环境:https://github.com/wklken/k-vim 安装pip: http://blog.csdn.net/my2010sam/article/details/1 阅读全文
posted @ 2016-02-28 23:11 ycjing 阅读(137) 评论(0) 推荐(0)
摘要:要快点看论文了,寒假要看完的论文最后又是被拖到了最后几天弄完../(ㄒoㄒ)/~~ 闲暇之时多记些linux命令,省着以后用再总去查了。 ************************************* 原文地址 CSDN(Linux小白学习入门过程): http://blog.csdn. 阅读全文
posted @ 2016-02-24 23:15 ycjing 阅读(428) 评论(0) 推荐(0)
摘要:马上就要开学,大学的最后一个学期,好好度过! *两个大任务:毕业设计,学习研究生阶段需要的知识(deep learning, python, opencv) FIGHT! ##################################################### 原文地址: http 阅读全文
posted @ 2016-02-24 18:16 ycjing 阅读(248) 评论(0) 推荐(0)
摘要:最近开始研究在linux下用vim写代码,下面对我学习过程中用到的博客地址做一个整理,希望能帮助大家。 (这些博客地址都是一步一步教人配置,适合初学者熟悉配置流程,但是比较麻烦,快速配置方法详见我的另外一篇博文:vim快速配置C++,python环境) ——————————————————————— 阅读全文
posted @ 2016-02-23 22:04 ycjing 阅读(211) 评论(0) 推荐(0)
摘要:谷歌学术导航: http://dir.scmor.com/google/ another one:http://xs.chongbuluo.com/ 里面有很多镜像网站,速度很快。 阅读全文
posted @ 2016-02-23 13:51 ycjing 阅读(7230) 评论(0) 推荐(0)
摘要:Deep learning项目需要,安装了ubuntu双系统,安装的时候非常小心,很担心硬盘分区时候将windows 7分区里的宝贵资料删除,最后成功安装很开心~分享一些经验,希望能帮助大家 O(∩_∩)O~ ********************************************* 阅读全文
posted @ 2016-02-22 23:00 ycjing 阅读(369) 评论(0) 推荐(0)
摘要:传统的运动人体轮廓检测算法主要有三类:帧间差分法,背景减除法,光流法。 优点 缺点 帧间差分法 运算简单。 对于缓慢运动的前景目标容易产生空洞现象。 背景减除法 简单易行。 对于背景中光照比较敏感。 光流法 对目标的帧间运动限制较少。 运算复杂,对硬件要求较高,不方便使用。 ------------ 阅读全文
posted @ 2016-02-20 19:34 ycjing 阅读(1538) 评论(0) 推荐(0)
摘要:新型支持向量机有: ***** 粒度支持向量机(granular support vector machines, GSVM) 通过数据的粒化将线性不可分问题转化为一系列线性可分问题。 模糊支持向量机(fuzzy support vector machines, FSVM) 主要用于处理训练样本中的 阅读全文
posted @ 2016-02-19 11:20 ycjing 阅读(356) 评论(0) 推荐(0)
摘要:本科毕业设计需要,最近开始进行Surveillance Monitering的入门学习。对看过的论文进行一些摘录和整理,一方面方便自己勘察,另一方面可以与大家进行交流学习。由于水平、基础有限,希望大家不吝赐教,谢谢~ 论文来自: [1]胡琼,秦磊,黄庆明. 基于视觉的人体动作识别综述[J]. 计算机 阅读全文
posted @ 2016-02-17 18:01 ycjing 阅读(469) 评论(0) 推荐(0)
摘要:本文引用自 http://www.cnblogs.com/heaad/archive/2011/03/08/1977733.html 最近在看视频动作识别方面的文章,需要用到距离的概念。下面这篇文章总结的好棒! ———————————————————————————————————————————— 阅读全文
posted @ 2016-02-17 11:02 ycjing 阅读(198) 评论(0) 推荐(0)