2023年复试因为是第一年线下复试，导致之前的很多参考资料不能完全参考，只能根据2022年的时候参考资料来准备，所以刚开始准备的时候还是挺焦虑的，尤其是买的资料还被骗了（当时是在qq群里买的，价格200左右，四本纸质的，到手不能退，发现里面的题号很多都是乱的，并且还有几页写着天津工业大学，之后和其他群友讨论，确实被骗了），很搞心态。首先说一下准备复试的时间，其实最好的时间就是出分之后再准备，不过考

一、卷积神经网络（CNN）定义卷积神经网络（convolutional neural network, CNN），是一种专门用来处理具有类似网格结构的数据的神经网络。卷积网络是指那些至少在网络的一层中使用卷积运算来替代一般的矩阵乘法运算的神经网络。经典神经网络的结构：LeNet-5AlexNetVGG二、DNN与CNN的区别上图为DNN神经网络图，DNN内部的神经网络层可以分为三类，输入层，隐藏层

各个知识点详解LeNet-5网络LetNet网络的的讲解主要参考1998年计算机科学家Yann LeCun发布的一篇论文《Gradient based learning applied to document-recognition》大家可以找到这篇论文结合学习，针对该网络，首先大家需要了解一下图像中的常用操作卷积，卷积这个词是信号处理领域的词，表示一个系统多数据处理的过程，在图像处理中的卷积，其

循环神经网络一、什么是循环神经网络：循环神经网络（Rerrent Neural Network, RNN），是神经网络的一种，类似的还有深度神经网络DNN，卷积神经网络CNN，生成对抗网络GAN。RNN的特点是对具有序列特性的数据非常有效，它能挖掘数据中的时序信息以及语义信息，利用了RNN的这种能力，使深度学习模型在解决语音识别、语言模型、机器翻译以及时序分析等NLP领域的问题时有所突破。对于序列

OpenCV详细入门（基础篇）一、OpenCV介绍OpenCV（open source computer vision library）是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像

1、人工神经元人类神经元中抽象出来的数学模型树突：input细胞核：处理操作+激活函数轴突末梢：输出f(∑i=1NIi⋅Wi\sum_{i=1}^{N} I_{i}\cdot W_{i}∑i=1N​Ii​⋅Wi​)=y人工神经网络：大量的神经元以某种连接方式构成的机器学习模型。第一个神经网络：1958年，计算机科学家Rosenblatt提出的Perceptron（感知机）o=σ\sigmaσ(（&

多层感知器（MLP）问题引入：（1）根据检测数据x1、x2及其标签，判断x1=0.7、x2=0.6时所属类别如果采用逻辑回归，因为边界函数并不是单一的直线或圆之类的函数，所以这个逻辑回归边界函数不很好找到，如果初始数据属性有100项甚至更多项，那么形成的多项式数据量会非常庞大。（2）根据各个国家100项指标，判断其未来5年的发展潜力这样的数据有多个指标，那么其二次多项式个数就会更加多。（3）自动识

卷积神经网络（二）二、经典神经网络的结构：LeNet-5AlexNetVGGResNet2.1 LeNet-52.2 AlexNet-5可以同时在两个GPU上运行2.3 VGG2.4 残差网络ResNet下图是一个残差块，输入a[l]会传送到l+2层的线性部分之后，这样它会直接参加非线性部分的计算。下图是一个残差神经网络的示例：对于一般的神经网络，当网络层数变多时，训练错误会先减少后增加，但是对于

第一步让我先打开我们的VS2019（VS2019安装就到其他博主那里找吧）在这里插入图片描述第二步创建一个新的项目，这个项目一会用来测试我们装的OpenCV是否能用创建的名字先命名为OpenCV，不过其他命名也可以第三步，进入到了主页面（我的主页面有自定义壁纸，正常背景应该是黑色的或白色的），点击项目–>OpenCV属性随后进入OpenCV的属性页点击VC++目录–>包含目录，进入包含

基于图像识别的隔空画笔一、项目背景伴随着人工智能时代与5G技术的来临，许多技术得到了空前的发展。在之前疫情的背景下，让人们更加认识到了线上虚拟技术的强大。对于喜欢美术的用户来说，在使用各种颜色的实体画笔绘画时，经常会需要用到大量的画笔和各种不同的颜料，在一套画笔中，画笔的数量众多，而且由于使用次数的增加会导致颜色出现偏差，而且在纸上进行绘画时，对于大量的颜料选择中，使用画笔绘画起来需要使用颜料版进