突然发现Ubuntu连不上网络，右上角也没有网络图标；打开终端，运行命令：更改打开的文件里的内容：将 NetworkingEnabled=false 改为 NetworkingEnabled=true保存退出后，在终端运行命令：好啦，右上角出现网络图标，有网络了~...

使用的时候，可以参考他们的教程和demo，建议先看教程，上面有架构说明。一个可以免操作系统的机器视觉库，由c语言编写可以跑在单片机上。需要移植其他平台，有问题可以去他们的qq群里找技术支持。不过使用完渲染器需要手动销毁渲染器。

从DFS和BFS开始的路径搜索

1、贝叶斯决假设对于测试样本xxx，共有mmm中类别可能 {w1,⋯,wm}\{ w_1 , ⋯, w _m\}{w1​,⋯,wm​}，则判断样本类别的贝叶斯决策是:max⁡{p(w1∣x),p(w2∣x),⋯ ,p(wm∣x)}\max \{ p({w_1}\left| x \right.),p({w_2}\left| x \right.), \cdots ,p({w_m}\left| x \r

QT图片读取与格式转换读取图片文件窗口自适应显示设置图片保存格式转换读取像素转为hex文本读取图片文件void openfile(){Qstring file_path='./';//目录路径显示QStringList fileNames = QFileDialog::getOpenFileNames(this, tr("打开图片文件"),file_path,"JPG(*.jpg);;BMP(*.

LBP特征LBP特征呢网上比较多，就不多说了，就是邻域像素和中心点像素比较，二值化后排列成8位，将这8位组合成一个unsigned char变量，就是该中心点处的LBP特征，对每个点执行该运算，则形成一幅LBP图。LBP等价模式由于LBP取值范围是【0–255】，特征太多，所以抽取其中的等价模式，一共59个。抽取方式就是循环一圈，计算跳变次数，按跳变次数将LPB特征分为两类：1、跳变次数不超过2次

MeanShift聚类又称均值漂移算法，首先需要一个迭代半径r，相似阈值T对每个数据，作为一个新类，从其位置半径r内，选择满足相似条件的数据，放到一个表中。计算表内数据的位置均值，数据均值，将新的位置和均值作为该类的特征，重新计算满足相似条件的数据，不断迭代直到收敛。相当于数据有两个相似条件，一个位置相似条件r，一个数据相似条件T。K-Means聚类该方法被称为k均值，首先需要选定k个聚类中心。对

sRGB是RGB伽马矫正后输出的数据sRGB转换XYZ公式我们知道RGB转sRGB的伽马变换公式，先对三通道进行缩放到（0~1）：再进行矩阵变换：XYZ转换sRGB公式xyz转srgb矩阵变换如下变换回RGB（0~255）

有汉语，但是打不了中文

作为路径搜索的一种典型算法，是在广度优先搜索(BFS)的基础上扩展的。A*算法是在BFS的基础上，加入一个启发值，这个启发值又被称为代价函数：f（n）=g（n）+h（n）这物体如果用q-learning来解决，其实问题也是类似，不过强化学习中对各个部分进行了严格的划分，并且强调了个体的概念在强化学习中，使用奖励r的概念替换了代价的概念，从字面意思我们也能知道他们其实是刚好相反的概念，正如一个是乐观