之前是纯python脚本在跑一些功能，就当时在用matlab做图像处理，做做实验还可以。上到项目还是要用C++,但python里面的一些功能代码又不想再用C++代码再实现一遍，故用C++来调用一些python脚本。长久之计还是完全用C++代码实现吧。下面介绍下相关配置吧：1.用VS2013新建一个控制台程序，选择Release X64配置2.sample1.cpp里代码

整理下目标检测常用算法的知识：一. RCNN (Regions with CNN) RBG1. 候选区域选择（region proposal), 用到了SelectiveSearch2. 对于每个区域利用CNN抽取一个固定长度的特征向量（Alexnet， 基于Caffe进行的代码开发）3. 再对每个区域利用SVM进行目标分类。同时做边界回归。技巧：采用在ImageNet上已经训练好的模型，然后在P

这对于一些爱好者，在想学习某个品牌嵌入式系统（如树莓派，Jetson系列）的同时，又能很快的用现成的其搭建好的整体软硬系统产品做一些效果验证，不然嵌入式系统的外围配件等就要自己操心了。博主近期入手了一个带机械臂的智能小车，会以此作为入口点，验证机械臂配合2D相机做引导，配合3D深度相机做引导，同时会涉及MoveIt2仿真，ROS2，SLAM建图等。这家专注于教育学习领域，在各成品模块的基础上，做集

整理下目标检测常用算法的知识：一. RCNN (Regions with CNN) RBG1. 候选区域选择（region proposal), 用到了SelectiveSearch2. 对于每个区域利用CNN抽取一个固定长度的特征向量（Alexnet， 基于Caffe进行的代码开发）3. 再对每个区域利用SVM进行目标分类。同时做边界回归。技巧：采用在ImageNet上已经训练好的模型，然后在P

之前是纯python脚本在跑一些功能，就当时在用matlab做图像处理，做做实验还可以。上到项目还是要用C++,但python里面的一些功能代码又不想再用C++代码再实现一遍，故用C++来调用一些python脚本。长久之计还是完全用C++代码实现吧。下面介绍下相关配置吧：1.用VS2013新建一个控制台程序，选择Release X64配置2.sample1.cpp里代码

1.直方图均衡化、滤波编码、阈值分割（峰谷法、灰度阈值法）、区域增长、分裂合并https://wenku.baidu.com/view/6341c428a36925c52cc58bd63186bceb18e8ed02.html2.区域生长、区域分离合并、使用分水岭变化（来源：Matlab(冈萨雷斯）3. PCA主成分分析方法（来源大论文）主成分分析[39]（PCA）方法是一种数学变...

十一. ResNet在VGG中，卷积网络达到了19层，在GoogLeNet中，网络史无前例的达到了22层。那么，网络的精度会随着网络的层数增多而增多吗？在深度学习中，网络层数增多一般会伴着下面几个问题计算资源的消耗模型容易过拟合梯度消失/梯度爆炸问题的产生残差网络1.1 残差块残差网络是由一系列残差块组成的（图1）。一个残差块可以用表示为：残差块分成两部分直接映射部分和残差部分。是直接映射，反应在

整理下目标检测常用算法的知识：一. RCNN (Regions with CNN) RBG1. 候选区域选择（region proposal), 用到了SelectiveSearch2. 对于每个区域利用CNN抽取一个固定长度的特征向量（Alexnet， 基于Caffe进行的代码开发）3. 再对每个区域利用SVM进行目标分类。同时做边界回归。技巧：采用在ImageNet上已经训练好的模型，然后在P

这对于一些爱好者，在想学习某个品牌嵌入式系统（如树莓派，Jetson系列）的同时，又能很快的用现成的其搭建好的整体软硬系统产品做一些效果验证，不然嵌入式系统的外围配件等就要自己操心了。博主近期入手了一个带机械臂的智能小车，会以此作为入口点，验证机械臂配合2D相机做引导，配合3D深度相机做引导，同时会涉及MoveIt2仿真，ROS2，SLAM建图等。这家专注于教育学习领域，在各成品模块的基础上，做集

这对于一些爱好者，在想学习某个品牌嵌入式系统（如树莓派，Jetson系列）的同时，又能很快的用现成的其搭建好的整体软硬系统产品做一些效果验证，不然嵌入式系统的外围配件等就要自己操心了。博主近期入手了一个带机械臂的智能小车，会以此作为入口点，验证机械臂配合2D相机做引导，配合3D深度相机做引导，同时会涉及MoveIt2仿真，ROS2，SLAM建图等。这家专注于教育学习领域，在各成品模块的基础上，做集