如果你要完成下图的目标检测功能，你会怎么做？对于视觉工程师而言，这当然是个小问题。可术业有专攻，不一定每个程序员都懂 AI 算法，那肯定就有一种方法把算法当成一个黑盒子，处理好输入输出就好了。所以，这篇文章完全是零基础告诉你如何完成上面的目标。首先，进行输入与输出的定义。输入是一张图片经过 AI 算法的处理AI 算法输出结果能搞定目标检测的算法有很多，当前 OpenCV 都支持这些算法的调用，本文

在程序员的开发生涯中，读写配置文件必不可少。配置文件有利于我们灵活配置工程，解决大量重复劳动，也方便调试。配置文件的格式有很多，最简单的有一行一行的文本，也有像 json、xml、protocol buffer 这样结构化的格式，当然也有 yaml 这种格式。今天的博文介绍的是如何在 C++ 开发中利用 yaml-cpp 开源库读写 yaml 配置文件。如果有 Python 开发经验的同学...

之前，有写了一篇博文，【深度学习入门】——亲手实现图像卷积操作介绍卷积的相应知识，但那篇文章更多的是以滤波器的角度去讲解卷积。但实际上是神经网络中该博文内容并不适应。之前的文章为了便于演示，针对的是二维卷积，比如一张图片有 RGB 三个颜色通道，我的方式是每个通道单独卷积，然后将各个通道合成一张图片，再可视化出来。但真实工程不会是这样的，很多东西需要进一步说明白。熟悉 TensorFlow 的..

ResNet 是何凯明团队的作品，对应的论文 《Deep Residual Learning for Image Recognition》是 2016 CVPR 最佳论文。ResNet 的 Res 也是 Residual 的缩写，它的用意在于基于残差学习，让神经网络能够越来越深，准确率越来越高。我们都知道，自 2012 年 AlexNet 在 ILSVRC 一战成名后，卷积神经网络便一发不可收拾.

YOLO 是 2016 年提出来的目标检测算法，在当时比较优秀的目标检测算法有 R-CNN、Fast R-CNN 等等，但 YOLO 算法还是让人感到很新奇与兴奋。YOLO 是 You only look once 几个单词的缩写，大意是你看一次就可以预测了，灵感就来自于我们人类自己，因为人看一张图片时，扫一眼就可以得知这张图片不同类型目标的位置。YOLO 胜在它的简单与快速。YOLO 是...

背景本篇论文的题目是 《Rich feature hierarchies for accurate oject detection and semantic segmentation》，翻译过来就是针对高准确度的目标检测与语义分割的多特征层级，通俗地来讲就是一个用来做目标检测和语义分割的神经网络。本文作者：Ross Girshick，JeffDonahue,TrevorDarrell,Ji...

ResNet 是何凯明团队的作品，对应的论文 《Deep Residual Learning for Image Recognition》是 2016 CVPR 最佳论文。ResNet 的 Res 也是 Residual 的缩写，它的用意在于基于残差学习，让神经网络能够越来越深，准确率越来越高。我们都知道，自 2012 年 AlexNet 在 ILSVRC 一战成名后，卷积神经网络便一发不可收拾.

背景本篇论文的题目是 《Rich feature hierarchies for accurate oject detection and semantic segmentation》，翻译过来就是针对高准确度的目标检测与语义分割的多特征层级，通俗地来讲就是一个用来做目标检测和语义分割的神经网络。本文作者：Ross Girshick，JeffDonahue,TrevorDarrell,Ji...

YOLO 是 2016 年提出来的目标检测算法，在当时比较优秀的目标检测算法有 R-CNN、Fast R-CNN 等等，但 YOLO 算法还是让人感到很新奇与兴奋。YOLO 是 You only look once 几个单词的缩写，大意是你看一次就可以预测了，灵感就来自于我们人类自己，因为人看一张图片时，扫一眼就可以得知这张图片不同类型目标的位置。YOLO 胜在它的简单与快速。YOLO 是...

我们进行程序开发的时候，肯定避免不了要处理并发的情况。一般并发的手段有采用多进程和多线程。但线程比进程更轻量化，系统开销一般也更低，所以大家更倾向于用多线程的方式处理并发的情况。Python 提供多线程编程的方式。本文基于 Python3 讲解,Python 实现多线程编程需要借助于 threading 模块。所以，我们要在代码中引用它。import threadingthread...