'30海豚 ',' 31大象','32母老虎 ', ' 33森林','34狐狸',' 35女孩','36负鼠', ' 37房子', '38水獭',' 39键盘',= (' 0苹果', ' 1水族馆的鱼',' 2宝贝',' 3熊','4豪猪 ', ' 5 床 ', ' 6蜜蜂',' 7甲虫',' 8自行车',' 9瓶子',

'tank85坦克', 'telephone86电话机', 'television87电视机', 'tiger88老虎', 'tractor89拖拉','train90火车','trout91鳟鱼', 'tulip92郁金香', 'turtle93乌龟', 'wardrobe94衣柜','bowl10碗','boy11男孩', 'bridge12桥', 'bus13公共汽车', 'butterfl

/此处是32位灰度图像（黑白）;//640*480转227*227。我们打开电脑自带的摄像头软件，放置在left=0，top=0的地方，然后程序中。然后遮住摄像头，识别了一下，softmax处理后的结果是7左右，还行！//不用glob_rgbValues[nn * 4+3]alpha分量。，实时截屏rect=（0，0，640，480）区域，然后我们调用。训练后，识别了一下，softmax处理后的结

局部加权回归（Loess）：Loess的目标是最小化， 其中的作用是使预测点的临近点在最小化目标函数中贡献大：Loess更加注重临近点的精确拟合。这个算法中最神奇的就是这个w，局部相关性w很像高斯模板中心到边缘（3*sigma+1）/2的局部相关性，也就相关性关注（起作用），其他不关注（不起作用）；从这一点出发，我们可以看到MFcc三角滤波中，每一个三角形滤波器都有这种局部相关性，只不过Mfcc最

'30海豚 ',' 31大象','32母老虎 ', ' 33森林','34狐狸',' 35女孩','36负鼠', ' 37房子', '38水獭',' 39键盘',= (' 0苹果', ' 1水族馆的鱼',' 2宝贝',' 3熊','4豪猪 ', ' 5 床 ', ' 6蜜蜂',' 7甲虫',' 8自行车',' 9瓶子',

恰好，实现了，97界限在一分类的识别和精细定位匹配上，差错很大，这个界限要到达996，997的样子，匹配识别效果，才能显现！其实也不用学六万次，针对十个数字，其实6千次就可以了（精细匹配中我就学5000次，3千，2千次都试过，还是5千次训练学习较好，毕竟一分类嘛！你要cnn，我们就要增加隐层，我用了bpnet的4层网络和5层网络，卷积核也用上了，学习训练6万次，很难上95，平均93，很恼火，去年就

人脸识别已经遇到好几年了（2013），在opencv中，今天终于抄过来了，发现不完美，但以后可以慢慢改进，家里先用上再说，干什么？开关灯呗，在工作上，程序驱动开关，已经不算什么，但对于家用，可以激活父母孩子的好奇心，时代嘛，应该是老百姓的嘛！电脑有了，摄像头有了，不可能再花个电脑的价钱买个开关吧（机器视觉的开关好贵啊！）？某宝淘到一个usb继电器开关（不到十五元），有硬件，有源代码，可以二次开发，

int kernel_height, double* result_map_data, int result_map_width, int result_map_height,double* c33备用,double* c31备用)//c33备用=error,c31备用=buffer。可惜cudnn中没有，耽搁了我好几个月，才完成了cudnn的残差，用了半个月以来，发现没什么问题，突然发现grad

人脸识别已经遇到好几年了（2013），在opencv中，今天终于抄过来了，发现不完美，但以后可以慢慢改进，家里先用上再说，干什么？开关灯呗，在工作上，程序驱动开关，已经不算什么，但对于家用，可以激活父母孩子的好奇心，时代嘛，应该是老百姓的嘛！电脑有了，摄像头有了，不可能再花个电脑的价钱买个开关吧（机器视觉的开关好贵啊！）？某宝淘到一个usb继电器开关（不到十五元），有硬件，有源代码，可以二次开发，

加载一幅图像：好，现在取线图像40组（注意对比前头：已经调整成40组横向线图像）：//glob_buffer8整幅图List<PosAndGrey> 线图像40 = new List<PosAndGrey>();for (int i = 0; i < 40; i++)//40条线,{PosAndGrey cc = new PosAndGrey();...