关于卷积神经网络，了解一下
1 卷积神经网络
一篇很好的关于理解卷积神经网络的博客（博客中的filter助手表示的是卷积核的意思）一篇关于如何搭建CNN的博客知乎回答：能否对卷积神经网络工作原理做一个直观的解释？机器视角：长文揭秘图像处理和卷积神经网络架构|该文原文定义：卷积神经网络（Convolutional Neural Network，CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。 它包括卷积层(convolutional layer)和池化层(pooling layer)
1.1 卷积神经网络的结构：卷积神经网络的结构包括：
输入层（input，输入一张全尺寸的黑白或彩色图像）
卷积层（filter，对ROI(region of interest)进行特征提取，一个CNN可以有很多的卷积核也可以有很多的卷积层）
池化层（pooling，可选，目的是减少上层的输入参数）
输出层（也叫全连接层FC，该层可以用来对图像进行分类和识别操作）
下面这张图是CNN的结构图：
人工神经网络和卷积神经网络的对比：
左 ...
Markdown语法中锚点的使用方法
123- [测试](#测试)### <a id="测试">测试</a>
测试测试
写在最后欢迎大家关注鄙人的公众号【麦田里的守望者zhg】，让我们一起成长，谢谢。
学习计算机视觉，你必须了解的基础概念
1 图像的高频和低频成分
形象一点说：亮度或灰度变化激烈的地方对应高频成分，如边缘；变化不大的地方对于低频成分，如大片色块区画个直方图，大块区域是低频，小块或离散的是高频把图像看成二维函数，变化剧烈的地方就对应高频，反之低频。举个通俗易懂的例子：一幅图象，你戴上眼镜，盯紧了一个地方看到的是高频分量摘掉眼镜，眯起眼睛，模模糊糊看到的就是低频分量。 图像的高低频是对图像各个位置之间强度变化的一种度量方法.低频分量:主要对整副图像的强度的综合度量.高频分量:主要是对图像边缘和轮廓的度量.如果一副图像的各个位置的强度大小相等,则图像只存在低频分量,从图像的频谱图上看,只有一个主峰,且位于频率为零的位置.如果一副图像的各个位置的强度变化剧烈,则图像不仅存在低频分量,同时也存在多种高频分量,从图像的频谱上看,不仅有一个主峰,同时也存在多个旁峰.以上的现象可以通过对傅里叶变换的公式分析得出.以下所说的积分是对x进行的.exp(-jwx)的数值变化是均匀的,如果对exp(-jwx)进行积分,则积分值为零.如果对exp(-jwx)乘以一个加权函数f(x),则在对f(x)exp(-jwx)进行积分,积分值 ...
手把手教你玩转hexo个人博客，自定义主题，博客发布，GitHub部署
1.总结最近几天一直在玩hexo个人博客，因为一直就想弄一个这样的博客平台，一个是为了兴趣，还有一个就是为了找工作的时候能够让面试官觉得自己很牛逼（这里涉及到社会学知识点，下次有机会我们再谈），所以就花了一点时间，弄了一下，也发现了一些坑，这里和大家一起分享一下。
2.开始搭建hexo平台2.1 前提因为hexo是一个基于node.js开发的一个博客平台，可以将Markdown文件也就是以.md为扩展名的文件生成为静态文件，然后在自动将其部署到整个系统的其他固定页面（比如：tags,archives等）中。我们还可以将其部署到GitHub上，这样就实现了可以通过互联网访问的目的了，我们最终的目的也就是通过互联网访问。
安装git 建议大家的所有操作都在git控制台进行操作，git控制台的类似Linux的命令，但不是所有Linux命令都支持，基本命令都已使用，真的很好用。力荐
安装node.js大家安装提示进行安装就可以，安装完成之后，我们才可以进行下面的操作
2.2 通过npm(node package manager)安装hexo
npm install -g hexo-cli或 ...
硕士论文笔记
1.《智能交通图像识别系统的研究》from1.1人工神经网络进行字符识别
主要有两种方法:一种方法是先对待识别字符进行特征提取,然后用所获得的特征来训练神经网络分类器。这种网络的识别效果与字符特征的提取有关,而字符的特征提取往往比较耗时。因此,字符特征的提取就成为研究的关键。文献四中使用由6个多层感知器构成的神经网络来进行车牌字符识别,在特征提取上提出二值线性变换方法以减少输入特征向量,另外改善网络结构以提高识别速度。另一种方法则充分利用神经网络的特点,直接把待处理图像输入网络,由网络自动实现特征提取直至识别。这种网络互连较多、待处理信息量大。
神经网络在并行非线性处理及大容量计算方面存在着巨大潜力,且神经元状态是二值的
1.2图像预处理
预处理相当于对获取的原始图像数据进行整理加工、去伪存真的过程。由于原始图像信号中存在着许多噪声和畸变,一般要进行滤波、平滑、增强、复原、提取边缘、图像分割等预处理,以便提高图像质量,并为下一步特征提取提供必要的基础。
决策分类根据具体问题的性质,提出一个反映分类好坏的标准,从而找到最符合这一标准的分类方一法。 从数学观点来看,决策分类就是找出决 ...
视频test
1.video demo这是一个视频demo，hexo可以通过GitHub实现视频播放功能，下面这段视频的Markdown代码如下所示：
123<video id="video" controls="" preload="none" poster="https://jums.club/images/article/IMG_2987.JPG" width="720" height="480"> <source id="mp4" src="https://jums.club/images/article/videos/123.mp4" type="video/mp4"></video>
2.注意
在GitHub上的视频必须是小于20M的视频才可以，可以使用视频压缩技术对视频进行压缩
3.引用B站上的视频下面的视频的引用代码如下所示：
1<i ...
教你如何用Markdown引用网易云音乐
1 固定长度复制下面的代码，到你的Markdown中，就可以实现音乐播放的功能，音乐源引用自网易云音乐。
1<iframe frameborder="yes" border="100" marginwidth="4" marginheight="0" width=333 height=86 src="//music.163.com/outchain/player?type=2&id=1295824647&auto=1&height=66"></iframe>
参数解释：
auto 1:自动播放 0:不自动播放
width 控制播放条的长度，默认是333px
height 控制播放条的高度，默认是86px(px是像素的单位)
src 歌曲的链接地址，可以在网页版的网易云平台搜索自己喜欢的歌曲查看，如下所示：
2 自适应长度1<iframe frameborder="no" border="1& ...
数字图像处理（dip）
学科：数字图像处理（Digital Image Processing -video）作者：zhuhonggen
计算机视觉入门基础0概念介绍0.1数字图像处理概念0.1.1图像的高频分量和低频分量
总得来说，低频分量（低频信号）代表着图像中亮度或者灰度值变化缓慢的区域，也就是图像中大片平坦的区域，描述了图像的主要部分。高频分量（高频信号）对应着图像变化剧烈的部分，也就是图像的边缘（轮廓）或者噪声以及细节部分。之所以说噪声也对应着高频分量，是因为图像噪声在大部分情况下都是高频的。低频分量：主要对整幅图像强度的综合度量。高频分量：主要是对图像边缘和轮廓的度量。而人眼对高频分量比较敏感。我们试着用傅立叶变换站在另外一个角度观察图像，将图像从灰度分布转化到频率分布（频谱图）上去观察图像的特征。需要了解的是，图像进行二维傅立叶变换之后得到的频谱图，就是图像梯度的分布图。具体的，傅立叶频谱图上我们能看到明暗不一的亮点，实际是图像上某一点与邻域点差异的强弱，即梯度的大小。所以说，如果一幅图像的各个位置的强度大小相等，则图像只存在低频分量。从图像的频谱图上看，只有一个主峰,且位于频率为零的位置.。需要 ...
为你的hexo个人博客添加本地搜索功能
1.下载安装包先下载安装下面的安装包，进入到对应的博客目录里面执行下面的语句：
1npm install hexo-generator-search --save
2.配置themes下面的配置文件_config.yml将enable选项改为true 很重要，否则不会有效果
12345local_search: enable: true # 将false改为true labels: input_placeholder: Search for Posts hits_empty: "We didn't find any results for the search: ${query}" # if there are no result
3.重新启动本地服务器
hexo cleanhexo s -g //相当于 hexo g和hexo s一起执行
写在最后欢迎大家关注鄙人的公众号【麦田里的守望者zhg】，让我们一起成长，谢谢。
