其他

前言 大概是兩個月之前開始學習曲率濾波，從一個完全一無所知的狀態開始學習的，包括微分幾何等相關基礎知識也是未曾學習過的，從初學者的角度學習曲率濾波。現在新加坡南陽理工大學任教的龔元浩老師在其2015年博士論文中的第六章給出了理論基礎和實際的應用，包括去噪平滑等，首先針對性的構造了高斯曲率濾波器，給出了詳細的理論基礎，主要是從微分幾何的角度分析了其思想的根本來源，簡言之就是通過某種合理的像素點投影映射將原始映像3維曲面映射成可展曲面，這裡有個重要的知識點是：最小化平均曲率Mean

基本概念 在具體到Face Service方法之前，先對Face Service中的Face detection, Face alignment, Face verification和Face identification(recognization)進行必要的講解說明，以方便後續知識的展開。 臉部偵測 Face detection, 對映像中的人臉進行檢測，並將結果用矩形框框出來。 人臉校正 Face

CodeForces 947B - Producing Snow 思路 注意：數字較大，用 long long 轉化：反過來考慮每一堆對每一天融化量的貢獻值，即對第i堆，計算從第i天開始能撐多少天。 演算法：累加首碼和，利用二分的upper_bound找出第一個大於第i堆的天數，即當前堆完全融化的天數，利用線段樹區間增減，然後乘上倍數再加上多出的部分 代碼 #include <bits/stdc++.h>using namespace std;typedef long

CodeForces 948A - Protect Sheep 思路 注意：無需最小化狗的數量 轉化：每個空地上都放一條狗。遍曆矩陣，對所有狼的四周遍曆，若有羊輸出No否則Yes，每個空地.上都放置一條狗 演算法：簡單類比題 代碼 include <bits/stdc++.h>using namespace std;const int N=500+5;char dp[N][N];int main(){

CodeForces 947A/948B - Primal Sport 思路 注意：時間逾時，最佳化演算法 轉化：在低複雜度下，求數字質因數分解中的最大的質數 演算法：nlgn 10^6 素數打表 , 過程中儲存最大的質數 代碼 #include <bits/stdc++.h>using namespace std;const int N=1e6+10;int dp[N],max_prime[N];void build_prime(int n){ int

題目：pat—1018、Public Bike Management 題目思路：      先用Dijkstra算出多條最短路徑，並用vector<int> pre[n+1]存路徑，再用DFS的方法遍曆一遍路徑，進行篩選。 代碼展示： #include <iostream>#include <cstring>#include <vector>using namespace

6道題題目連結：點擊開啟連結 （本篇為尾碼數組的訓練題的個人ac題解，非正規教學題解，僅供參考。） （尾碼數組在《演算法競賽入門經典訓練指南》上有專門的題解，本篇代碼部分完全採用此書上的代碼作為模板） 題意理解： A、求一個字串中重複出現至少兩次以上的但不重疊出現的最長子串的長度 B、求一個字串中重複出現至少K次以上的但可重疊出現的最長子串的長度 C、求兩個字串中最長的公用子串的長度 D、求兩個字串中長度大於等於K的公用子串的總個數

題目：1020. Tree Traversals (25) 題目描述： 已知樹的postorder（後序遍曆）與inorder（中序遍曆），構造出完整的樹，並按層次遍曆輸出數 代碼展示一（已知後與中，進行層次遍曆）： #include <iostream>#include <queue>using namespace std;const int maxn=1e3+5;int a[maxn],b[maxn];struct

概述 此教程為Ubuntu 16.04 下 Tensorflow-GPU或者CPU版本的安裝 安裝前，請務必執行1.1.1的操作，驗證您的顯卡是NIVIDIA的並且支援GPU計算。如果不支援GPU運算，則只能安裝Tensorflow-CPU版本，直接跳過1、2、3大標題，從4. Virtualenv + Tensorflow1.5處開始，並選擇安裝CPU版本 注意。。安裝CUDA和cuDNN時，都不要安裝最新版本，一切按照本篇中的版本進行安裝。 1. NVIDIA CUDA

報錯資訊如下（我已經在web.xml配置了filter）： java.lang.ClassNotFoundException: org.springframework.web.filter.CharacterEncodingFilterat org.apache.catalina.loader.WebappClassLoader.loadClass(WebappClassLoader.java:1324)at

<!-- Filter 定義 --> <!-- Character Encoding filter --> <filter> <filter-name>encodingFilter</filter-name>

1.web.xml中 <filter> <filter-name>xssFilter</filter-name> <filter-class>com.xxx.web.filter.XSSFilter</filter-class> </filter> <filter-mapping> <filter-name>xssFilter</filter-name>

第一步：下載UEditor所需要的所有檔案 此處用的是JSP-UTF-8版本 下載連結：http://ueditor.baidu.com/website/download.html 第二步：將下載檔案解壓至項目web目錄下 第三步：將檔案夾下/jsp/lib目錄下的五個jar包拷貝至項目中的WEB-INF/lib下，並添加至項目結構中 第四步：修改ueditor.config.js         將var URL =

1、使用HTML5 doctype 2、引入jQuery、bootstrap、font-awesome檔案 <!-- include libraries(jQuery, bootstrap) --><link href="http://netdna.bootstrapcdn.com/bootstrap/3.3.5/css/bootstrap.css" rel="stylesheet"><script

梳理： A Convolutional Neural Network Cascade for Face Detection是CNN與級聯思想在檢測的應用 From Facial Parts Responses to Face Detection A Deep Learning Approach是關鍵點檢測與CNN結合的思想 Object Detection with Pixel Intensity Comparisons Organized in Decision

摘要     為了後續的深度學習的入門，平時看到的有關網站和視頻，這裡備份一下。 5個深度學習架構比較     分享一個關於最受歡迎的5個深度學習架構（SciKit

OPENCV筆記都是記錄MFC下做影像處理的項目時，遇到的問題，留此部落格以備記錄。 本文主要是需要開啟一個對話方塊，手動選取圖片，顯示在MFC的picture control上。關於在程式中使用絕對路徑讀取圖片的代碼，這裡直接給出，不做過多的說明了。 OpenCV使用絕對路徑讀取圖片： void CMyDlg::OnBnClickedBtnloadimg(){// TODO: 在此添加控制項通知處理常式代碼IplImage *SrcImg;SrcImg =

一、什麼是GLCM。 GLCM，是Grey Level Co-occurence Matrix的縮寫，也叫做Grey Tone Spatial Dependency Matrix，中文名是灰階共現矩陣。 定義 The GLCM is a tabulation of how often different combinations of pixel brightness valus(gray level) occur in an

  摘要     論文中遇到很重要的一個元素就是高斯核函數，但是必須要分析出高斯函數的各種潛在屬性，本文首先參考相關材料給出高斯核函數的基礎，然後使用matlab自動儲存不同參數下的高斯核函數的變化gif動圖，同時分享出原始碼，這樣也便於後續的論文寫作。 高斯函數的基礎 2.1 一維高斯函數 高斯函數，Gaussian Function， 也簡稱為Gaussian，一維形式如下： 對於任意的實數a,b,c，是以著名數學家Carl

這篇文章基於將Vue的腳手架（環境配置）已經搭建完畢，之後進行的操作 看完之後對sublime text3的安裝、外掛程式管理的下載安裝、對安裝外掛程式和vue字型高亮有了一個瞭解。 找了很久，針對於Vue的編輯器 ，總的來說發現sublime Text3很不錯， 一、下載sublime Text3的安裝包 解壓安裝好之後開啟 什麼都沒有 將需要編寫的項目直接拖拽進sublime text3即可，就會出現目錄，很方便