其他

本文已經遷移到： http://cpp.winxgui.com/cn:dive-into-memory-pool概述記憶體池（MemPool）技術備受推崇。我用google搜尋了下，沒有找到比較詳細的原理性的文章，故此補充一個。另外，補充了boost::pool組件與經典MemPool的差異。同時也描述了MemPool在sgi-stl/stlport中的運用。 經典的記憶體池技術  經典的記憶體池（MemPool）技術，是一種用於分配大量大小相同的小對象的技術。通過該技術可以極大加快記憶體配置/

求逆序數，不解釋#include <iostream>using namespace std;#define MAX 50005#include "NiXuShu.h"int main(){int a[MAX], b[MAX];int n, i; while (scanf("%d", &n) == 1) {memset(a, 0, sizeof(a)); int sum = 0; for (int i = 1; i <= n;

在最新版的2.4.2中，文檔的更新也是一大亮點，refrence manual擴充了200多頁的內容，添加了contrib部分的文檔。contrib就是指OpenCV中新添加的模組，但又不是很穩定，可以認為是一個雛形的部分。這次結合refman的閱讀，介紹一下FaceRecognizer這個Face

首先還是要感謝簫鳴朋友在我《OpenCV學習筆記（四十）——再談OpenCV資料結構Mat詳解》的留言，告訴我M.at<float>(3, 3)在Debug模式下運行緩慢，推薦我使用M.ptr<float>(i)此類方法。這不禁勾起了我測試一下的衝動。下面就為大家奉上我的測試結果。我這裡測試了三種操作Mat資料的辦法，套用流行詞，普通青年，文藝青年，為啥第三種我不叫2b青年，大家慢慢往後看咯。普通青年的操作的辦法通常是M.at<float>(i,

訊息已經公布好幾天了，在業界的震動仍然在持續，很多的觀察家、分析師、技術專家、主題專家都在發表自己的看法，在聲音上，並不是一邊倒，大致屬於毀譽參半的情形。 對於這件事，我的看法和網路上另外一位人士的看法很有重合之處，從總體上比較看好。當然，也有些微的不同，有興趣的朋友可以先點擊查看這裡，然後再回來。 我在之前的一片文章裡曾經說過，諾基亞在領導協調大型軟體項目上是有短板的，所以 Maemo 項目才會還沒有面世就被匆匆與 Moblin

最近也在玩手勢識別，資料找了很多，基本可以分為靜態手勢識別和動態手勢識別，先弄個簡單的靜態手勢識別給大家看看。基本流程如下：先濾波去噪-->轉換到HSV空間-->根據皮膚在HSV空間的分布做出閾值判斷，這裡用到了inRange函數，然後進行一下形態學的操作，去除雜訊幹擾，是手的邊界更加清晰平滑-->得到的2值映像後用findContours找出手的輪廓，去除偽輪廓後，再用convexHull函數得到凸包絡。結果如下：原始碼下載位置：http://download.csdn.ne

基於特徵點的映像匹配是影像處理中經常會遇到的問題，手動選取特徵點太麻煩了。比較經典常用的特徵點自動提取的辦法有Harris特徵、SIFT特徵、SURF特徵。先介紹利用SURF特徵的特徵描述辦法，其操作封裝在類SurfFeatureDetector中，利用類內的detect函數可以檢測出SURF特徵的關鍵點，儲存在vector容器中。第二部利用SurfDescriptorExtractor類進行特徵向量的相關計算。將之前的vector變數變成向量矩陣形式儲存在Mat中。最後強行匹配兩幅映像的特徵向

QueueNode.htemplate<typename Type,typename Cmp>class PriorityQueue;template<typename Type, typename Cmp>class QueueNode{friend class PriorityQueue<Type, Cmp>;QueueNode(const Type item, QueueNode<Type,Cmp> *next = NULL):m_data(

在回家的路上，和同事開玩笑說，要是 Nokia 或者 Symbian 請我去做 Symbian OS 的技術總監，我會告訴他們如何把 Symbian 引導到正確的方向。當然，這僅僅是笑談，但是似乎不妨礙我們正確地思考這一問題。在 2006 年，我開始做真正智能移動平台的安全軟體（在此之前，曾經跟蹤過 Palm 上的安全動態，也有原型程式）。當時的平台還是以 Symbian（包括 S60 和 UIQ）和 Windows Mobile 為主。在經曆痛苦的學習，持續的挫折感，並使用相當難用的

好歹也是業界人士，聽說摩托剛剛發布了 Xoom，於是托朋友搞一台來體驗一下，昨天晚上拿到了樣機。先說一下外觀。總體尺寸上比iPad 要細長，寬度能比 iPad 窄去一指還多，長度則略長半指上下。厚度方面，一起平擺在桌子上看，則幾乎不差分毫。重量呢，入手感覺就比iPad要沉，即使是對於我這個一貫認為一定要有分量才能感覺東西上檔次的人來說（就因為這個原因，我對三星的輕飄飄的手機沒有任何興趣），也還是沉得稍過了些。在網上查了重量指標，確實要比 iPad 重 50 克。不像

最近看了一下group sparsity和group structure方面的東西，本文主要針對了其中一種在NMF上的應用得到的group sparsity總結了一些東西。這篇理論上的文章沒有被引用很多，但是其在EEG上用Group NMF做得一篇文章倒是有些影響力的。具體參考reference吧。總的來說，group sparsity或者單純的sparsity對於一些有物理意義的東西比較好解釋，我們通常覺得一些東西的基（basis，or say,

OpenCV

線程和進程的關係，或者兩者之間的異同，往往會是許多公司的面試題之一，即使不是，也會是很多面試官的口頭問題之一。 對作業系統的瞭解不夠深入的人，往往不知道該怎麼描述這二者的區別與聯絡，最簡單方式莫過於背書：進程是作業系統分配資源的最小單元，是資源的所有者，而線程是作業系統任務調度的最小單元，一個進程可以包含多個線程，至少需要一個線程。聽起來似乎頭頭是道，其實再深入一些就會捉襟見肘，比如，知道什麼是 TLS 嗎？TLS

1.特點：1）支援連線導向和面向無串連2）支援點對點和點對多點3）支援半雙工和全雙工系統（效率高）4）支援流量控制和差錯控制（可靠性高）5）傳輸的控制與處理分離（靈活）6）不依賴字元編碼集7）可透明傳輸 2.框架格式標誌 | 地址 | 控制 | 資訊 | 校正 | 標誌1）標誌：1B。 01111110其它資料採用“0位元插入法”連續發送多幀時，可以同時表示一幀結束與另一幀的開始2）地址：>=

stitching是OpenCV2.4.0一個新模組，功能是實現映像拼接，所有的相關函數都被封裝在Stitcher類當中。這個類當中我們可能用到的成員函數有createDefault、estimateTransform、composePanorama、stitch。其內部實現的過程是非常繁瑣的，需要很多演算法的支援，包括映像特徵的尋找和匹配，攝像機的校準，映像的變形，曝光補償和映像融合。但這些模組的介面、調用，強大的OpenCV都為我們搞定了，我們使用OpenCV做映像拼接，只需要調用creat

聽網友建議，前段時間接觸劉汝佳的《演算法競賽入門經典》時在南理學工學院（http://acm.nyist.net/JudgeOnline/problemset.php）刷過的一些些簡單題目。 南理學工學院_部分簡單題目(8題)：南陽理工學院_0001_A+B

1. 初始化方法：(1) 直接複製，如Cstring=”mingrisoft”;(2) 通過建構函式初始化，如 CString str(‘ ’,100)//與分配100個位元組，填充空格                                                        char* p=”feiqiang”; Cstring(p);delete p.(3) 載入工程中的字串資源，如CString str;str.LoadString(IDS_STR);(4)

對於隨機森林演算法，原理我想大家都會去看論文，推薦兩個老外的網址http://www.stat.berkeley.edu/users/breiman/RandomForests/和https://cwiki.apache.org/MAHOUT/random-forests.html，第一個網址是提出隨機森林方法大牛寫的，很全面具體，第二個是我自己找的一個，算是一個簡化版的介紹吧。說白了，隨機森林分類的過程就是對於每個隨機產生的決策樹分類器，輸入特徵向量，森林中每棵樹對樣本進行分類，根據每個樹的權

隨著和我交流TLD的朋友越來越多，我漸漸的知道的也多了，才發現我研究的結果只是滄海一粟。這裡先膜拜一下Alan Torres大神，他已經用c++把TLD重新寫好了，而且代碼很規範。他設計的理念有：1. depends *only* on OpenCV (2.3) 2. no Matlab! 3. easy to compile and run (on linux, work in progress on OSX and windows) 4. fast! (and more potential

IOCP模型與網路編程一。前言：