前言最近几天尝试着不用框架写一个卷积神经网络，后来代码写完之后发现运行的速度实在是太慢，分析了一下发现主要的时间都花在了卷积层上。于是查找各种资料，学习了两种现在主流的快速卷积算法，写此文主要记录一下其中的要点，在学习过程中遇到的问题。FFT如果学过或者了解过信号的，你肯定肯定，空间域中矩阵的卷积运算，实际上等价于频率域中两个矩阵对应元素相乘，关于怎么进行快速傅里叶变换,我之前的文章已经讲述...

一、图像分割图像分割就是将图像分为一些有意义的区域，然后可以对这些区域进行描述，相当于提取出某些目标区域的特征。图像分割的基础是像素间的相似性和跳变性。通常，我们对图像进行分割，分割的小区域是某种意义下具有共同属性的像素的连通集合。各区域类某种性质，如灰度、纹理有相似性。区域内部是连通，无过多小孔。并且有明显边界。图像分割的四种不同的基本方法边缘检测：检测出边缘，再将边缘像素连接，构成边...

目标物体的轮廓提取轮廓提取法边界跟踪法区域增长法区域分裂合并法一、轮廓提取法对于二值图像的轮廓提取，我们可以采用掏空内部点法，如果原图中有一点为黑，且它的8个相邻的点都为黑，则将该点删除。对于非二值图像，要先进行二值处理掏空内部点法实现如下def GetOutLine(self):img=np.copy(self.Img)for y ...

一、图像的细化基础概念细化技术：把一个平面区域简化成图的结构形状表示法骨架：一种细化的结构，它是目标重要的拓扑描述，具有很广泛的应用，再图像识别或者数据压缩时候，经常要用到细化结构。减少数据的冗余量，去掉没用用的信息细化算法：采取逐次去除边界的方法来进行的，不能破环图像的连通性通常我们会定义一个规则，来判断哪个点可以删除，哪个点不能删除。在细化图像的过程中，应该满足两个条件：在细化...

前言之前就一直想不调用框架，实现一个CNN和RNN，实现这两种网络的主要难度就在于反向传播，对与CNN来说反向传播也要涉及到卷积，对于RNN来说反向传播会涉及到沿时间序列进行传播，也就是BPTT。在此过程中遇到不少困难，踩了不少坑，所以写此博文总结一下。实现卷积神经网络我们这里要实现的卷积神经网络是Lenet-5模型，其模型结构图如下其网络结构用语言描述的话，就是:输入层->卷积...

前言最近几天尝试着不用框架写一个卷积神经网络，后来代码写完之后发现运行的速度实在是太慢，分析了一下发现主要的时间都花在了卷积层上。于是查找各种资料，学习了两种现在主流的快速卷积算法，写此文主要记录一下其中的要点，在学习过程中遇到的问题。FFT如果学过或者了解过信号的，你肯定肯定，空间域中矩阵的卷积运算，实际上等价于频率域中两个矩阵对应元素相乘，关于怎么进行快速傅里叶变换,我之前的文章已经讲述...

一、简介JNI是Java Native Interface的缩写，它允许Java代码和其他语言写的代码进行交互。JNI一开始是为了本地已编译语言，尤其是C和C++而设计的，但是它并不妨碍你使用其他编程语言，只要调用约定受支持就可以了。使用java与本地已编译的代码交互，通常会丧失平台可移植性。但是，有些情况下这样做是可以接受的，甚至是必须的。例如，使用一些旧的库，与硬件、操作系统进行交互，或者为了