前言1，Xgboost简介　　Xgboost是Boosting算法的其中一种，Boosting算法的思想是将许多弱分类器集成在一起，形成一个强分类器。因为Xgboost是一种提升树模型，所以它是将许多树模型集成在一起，形成一个很强的分类器。而所用到的树模型则是CART回归树模型。　　Xgboost是在GBDT的基础上进行改进，使之更强大，适用于更大范围。　　Xgboost一般和sk...

OpenCV学习：fastAtan2函数解密高中数学中各种正弦函数，余弦函数总是把人搞得头大，但是具体应用时你会发现，其实你只需要搞清楚一个2π空间内函数分布即可。下面分析OpenCV中fastAtan2函数是怎么处理的方向问题。fastAtan2函数在OpenCV中用户非常广，比如在SIFT描述子求取过程中需要计算特征点的方向，此时OpenCV的源码中就是使用的fastAta

实验目的：将caffe模型转成ncnn可以实现在移动端运行深度学习模型，主要使用：https://github.com/Tencent/ncnn实验环境：1、系统环境    Mac OS Mojave系统    编译好的caffe源码（可以参考我之前的博客：https://blog.csdn.net/sinat_28731575/article/details/78958348）...

说明：以下所有代码使用版本TensorFlow1.4.0或1.12.0版本import tensorflow as tfprint(tf.__version__)1.12.010.TensorFlow高层封装TensorFlow的高层封装有很多10.1 TensorFlow高层封装总览TensorFlow高层封装主要有4个：TensorFlow-SlimTFLearnKerasEstimator。

说明：以下所有代码使用版本TensorFlow1.4.0或1.12.0版本import tensorflow as tfprint(tf.__version__)1.12.010.TensorFlow高层封装TensorFlow的高层封装有很多10.1 TensorFlow高层封装总览TensorFlow高层封装主要有4个：TensorFlow-SlimTFLearnKerasEstimator。

前言1，Xgboost简介　　Xgboost是Boosting算法的其中一种，Boosting算法的思想是将许多弱分类器集成在一起，形成一个强分类器。因为Xgboost是一种提升树模型，所以它是将许多树模型集成在一起，形成一个很强的分类器。而所用到的树模型则是CART回归树模型。　　Xgboost是在GBDT的基础上进行改进，使之更强大，适用于更大范围。　　Xgboost一般和sk...

索贝尔算子（Sobeloperator）主要用作边缘检测，在技术上，它是一离散性差分算子，用来运算图像亮度函数的灰度之近似值。在图像的任何一点使用此算子，将会产生对应的灰度矢量或是其法矢量Sobel卷积因子为：该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度

Geometrical constraints (几何约束)面部几何通常参数化为两个元素的组成：一个全局（刚性）转换和一般局部（非刚性）变形。全局转换解释为图像中人脸的整体布局，通常允许没有约束的改变（即，人脸可以在图像上的任何地方显示）。这包括每张图像人脸的x，y坐标，面内头部旋转，和图像中人脸的大小。另一方面，局部变形解释为面部形状交叉身份之间的不同和表情之间的不同。与全局

在不断对人脸检测器进行改进的过程中，有一个问题是不容忽视的：如何科学地比较两个人脸检测器的优劣？简单地说，出一套考题让所有的检测器进行一场考试，谁得分高谁就更好。对于人脸检测器而言，所谓考题（测试集）就是一个图像集合，通常其中每张图像上都包含至少一张人脸，并且这些人脸的位置和大小都已经标注好。关于得分，需要考虑检测器两方面的表现，一是检测率，也即对人脸的召回率，检测出来的人脸占总人脸的比例——测试

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%计算图像对比度%方法一：中心像素灰度值与周围4近邻像素灰度值之差的平方之和，除以以上平方项的个数。%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%