其他

[user6@das0 hadoop-0.20.203.0]$ bin/hadoop namenode-format12/02/20 14:05:17 INFO namenode.NameNode:STARTUP_MSG: Re-format filesystem in /data0/hadoop-name ? (Y or N) yFormat aborted in /data0/hadoop-name12/02/20 14:05:20 INFO

原文地址：int,int32_t,int64_t作者：走向希望這些事跨平台編程導致的；一、資料類型特別是int相關的類型在不同位元機器的平台下長度不同。C99標準並不規定具體資料類型的長度大小，只規定層級。作下比較：16位平台char         1個位元組8位short        2個位元組16位int            2個位元組16位long         4個位元組32位指標         2個位元組32位平台char         1個位元組8位short      

SIFT特徵具有縮放、旋轉特徵不變性，下載了大牛的matlab版SIFT特徵提取代碼，解釋如下：1.調用方法：將檔案加入matlab目錄後，在主程式中有兩種操作：op1：尋找映像中的Sift特徵：[image, descrips, locs] = sift('scene.pgm'); showkeys(image,

總的來說，模式識別方法分兩步：train&predict.經過譚敏師姐細心講解和細讀 siftdemov4 code，將這兩部的理解解釋如下:(以下提到的feature都是指sift feature)一、train1.提取+/- sample的feature，每幅圖提取出的sift特徵個數不定（假設每個feature有128維）2.利用聚類方法（e.g K-means）將不定數量的feature聚類為固定數量的(比如10個)words即BOW（bag of

　　typedef用來聲明一個別名，typedef後面的文法，是一個聲明。本來筆者以為這裡不會產生什麼誤解的，但結果卻出乎意料，產生誤解的人不在少數。罪魁禍首又是那些害人的教材。在這些教材中介紹typedef的時候通常會寫出如下形式： typedef int PARA; 這種形式跟#define int PARA幾乎一樣，如前面幾章所述，這些教材的宗旨是由淺入深，但實際做出來的行為卻是以偏蓋全。的確，這種形式在所有形式中是最簡單的，但卻沒有對

     最近在Ubuntu上安裝mysql-server時用命令apt-get install mysql-server出現報錯提示：E:Encountered a section with no Package: header, E:Problem with MergeList /var/lib/apt/lists/******剛開始以為是apt lists中的package沒有mysql-server，所以運行命令apt-get

[轉]http://hi.baidu.com/maxint/blog/item/fc817c2f29881f331e3089ef.html1. 安全指標從opencv2.0開始，很多C資料結構變成了C++的類，考慮到相容性，保留舊的API。在記憶體管理方面，提供安全指標類Ptr，讓在此以前舊的需要手動管理記憶體的資料結構(IplImage, CvMat等)無需手動Release，用法為：Ptr<IplImage> img =

（一）SVM的八股簡介支援向量機(Support Vector Machine)是Cortes和Vapnik於1995年首先提出的，它在解決小樣本、非線性及高維模式識別中表現出許多特有的優勢，並能夠推廣應用到函數擬合等其他機器學習問題中[10]。支援向量機方法是建立在統計學習理論的VC

    If you want to experiment with Physically Based Rendering, PBRT is the tool to use. Unfortunately, the latest builds have some incomplete instructions on how to build PBRT on your own machine.This article will show you how to compile and use

matlab中fullfile函數指定路徑和 檔案名稱的使用方法如下：一點小技巧：當返回了一個檔案的時候，可以用fullfile將路徑和檔案名稱組合起來，如[filename, pathname] = uigetfile('*.m', 'Pick an M-file');if isequal(filename,0)  disp('User selected Cancel')else  disp(['User selected', fullfile(pathname,

/* Copies source array to destination array */CVAPI(void)  cvCopy( const CvArr* src, CvArr* dst,                     const CvArr* mask CV_DEFAULT(NULL) );/* Creates a copy of IPL image (widthStep may differ) */CVAPI(IplImage*) cvCloneImage( const

I was trying to write the code to achieve the same photo effect with this Photoshop tricks. With only a few lines of code, I’m pretty amazed with the result. Given a photo, the code will turn the photo into a colored dot patterns as shown in Figure 1

LBP(Local Binary Pattern),局部二值模式，是Ojala提出的一種能夠很好的描述映像紋理特徵的運算元 ，由於它計算簡單並且效果也比較好，所以人們常把它用來映像分類和識別。LBP的計算很簡單，就是當前像素作為中心像素，其鄰域像素與其進行比較，若大於中心像素就置為1，反之置為0，再將鄰域像素按一定順序排列，因此得到一個二值序列，再將這個二值序列轉換為十進位數。如果是3*3的鄰域，那個LBP的取值範圍在[0

OpenCV給我們提供了很多訓練分類器的方法和程式。對於臉部偵測的分類器訓練叫做海爾訓練，我們可以用這些方法建立我們自己的分類器。（一）資料準備：正樣本（人臉）        我們需要收集只含有臉部的映像。The UMIST Face Database 有著類似Video般的連續臉部映像，不論是正臉的還是側臉的。我以為訓練這些映像能產生一個面部表情魯棒性很好的臉部檢測器。然而我想得太過美好了，事實上效果一般。後來我又用了基於CMU PIE

縮寫，也是最常用的命令之一。顧名思義，如果想要進入一個目錄，顯然該採用這個命令了。     在講cd命令之前，我們先來談談提示符是什麼意思。現在的提示符是 c:\>    這個 c: 說明現在的工作盤是c盤，即當前盤是硬碟。這個緊接著c:後面的 \ 告訴我們，當前的工作目錄是根目錄。這個 > 的作用只是為了把工作目錄和我們要輸入的命令分隔開來，沒有其它的意義。這樣，我們就可以從提示符上看出當前的工作盤和工作目錄是什麼，你如果清楚了這一點，那麼學習cd命令就變得輕鬆自如了。    好，

1.介紹HOG（Histogram of Oriented Gradient）是2005年CVPR會議上，法國國家電腦科學及自動控制研究所的Dalal等人提出的一種解決人體目標檢測的映像描述子，該方法使用梯度方向長條圖（Histogram of Oriented

const定義的常量在函數執行之後其空間會被釋放，而static定義的靜態常量在函數執行後不會被釋放其空間。static 表示的是靜態。類的靜態成員函數，成員變數是和類相關的，不是和類的具體對象相關，即使沒有具體的對象，也能調用類的靜態成員函數，成員變數。一般的靜態函數幾乎就是一個全域函數，只不過它的範圍限於包含它的檔案中。在c++中，static靜態成員變數不能在類內部初始化。在c++中，const常量成員變數也不能在類定義處初始化，只能通過建構函式初始化列表進行，並且必須有建構函式。cons

相關長條圖（color correlogram），結合了映像中的顏色與空間資訊，用顏色之間（不同顏色或相同顏色）的量化距離來構建長條圖。而傳統的顏色長條圖只考慮了顏色資訊。如下樣本：    左側的映像與右側的映像具有相同的顏色長條圖資訊；如果不考慮顏色之間的空間位置關係資訊，很難區分兩個圖。Modeling假設映像的記號為I(x,y)，x、y為空白間座標；包含的顏色有C1,C2,C3...Cn.設定兩種顏色之間的距離為d.那我們將產生這樣的一個長條圖：它的bin的個數為n的平方（顏色的組合數目）

文章目錄 1）載入級聯分類器2）讀取視頻流3）對每一幀使用該分類器4）顯示目標 OpenCV支援的目標檢測的方法是利用樣本的Haar特徵進行的分類器訓練，得到的級聯boosted分類器（Cascade

顏色矩顏色是彩色映像最重要的內容之一，被廣泛用於映像檢索中。但從映像中提取顏色特徵時，很多演算法都先要對映像進行量化處理。量化處理容易導致誤檢，並且產生的映像特徵維數較高，不利於檢索。stricker和0reng0提出了顏色矩的方法[1]，顏色矩是一種簡單有效顏色特徵表示方法，有一階矩(均值,mean)、二階矩(方差,viarance)和三階矩(斜度,skewness)等，由於顏色資訊主要分佈於低階矩中，所以用一階矩，二階矩和三階矩足以表達映像的顏色分布，顏色矩已證明可有效地表示映像中的顏色分布