自AlexNet以来的图像分类和分割网络总结.docx 将自2012年以来图像分类和分割的几篇经典论文汇总整理总结,解决了不少疑惑,也弥补了一直以来没有系统整理深度学习网络在CV方面应用的遗憾。在此记下AlexNet等八个经典网络的架构、创新点等,以供参考。
基于opencv的图像分割 该分割方法是一种基于图(graph)的图片分割法。该方法将图片中的像素看作独立的点,将每个点与其周围点的不相似程度看作边的权值,用函数表示,并按照不相似程度由小到对其达进行排序,再利用贪心算法逐渐将相似程度较高的点或区域进行合并,即整体问题的最优解可以通过一系列局部的最优选择来达到,最后直到所有的点
机器学习计算机视觉常用其中算法总结 包括1.Hough变换2.逆投影变换(IPM)3.随机采样一致性算法(RANSAC)4.DBSCAN算法5.K-means聚类法6.D-S策略7.Adaboost算法
Arduino_Uno_Rev3原理图 ArduinounoR3。它基于ATmega328的单片机板,ArduinounoR3共有14个数字I/O端口(其中六个可以做PWM输出),6个模拟端口,一个16MHz晶体振荡器,一个USB接口,一个DC电源插座,一个ICSPheader和一个复位按钮。
深度学习笔记整理 深度学习一种机器学习方法,它通过多层神经网络拟合训练样本分布的,逐级建立从底层到顶层的输入数据特征模型与映射关系。深度学习的优势在于它能够自动学习获得转变的特征而不需要人工设计特征提取器和额外的数据预处理,让机器自主学习输入输出的关系从而掌握转变规律。