OpenCV 3是一种先进的计算机视觉库，可以用于各种图像和视频处理操作，通过OpenCV 3 能很容易地实现一些有前景且功能先进的应用（比如：人脸识别或目标跟踪等）。理解与计算机视觉相关的算法、模型以及OpenCV 3 API背后的基本概念，有助于开发现实世界中的各种应用程序（比如：安全和监视领域的工具）。本书将从图像处理的基本操作出发，带你开启先进计算机视觉概念的探索之旅。计算机视觉是一个快速发展的学科，在现实生活中，它的应用增长得非常快，因此写作本书的目的是为了帮助计算机视觉领域的新手和想要了解全新的OpenCV 3.0.0的计算机视觉专家。通过阅读本书，你将学到:安装和熟练使用基于Python的OpenCV 3的API掌握图像处理和视频分析的基础知识在图像和视频中检测和识别目标使用OpenCV检测和识别人脸训练和使用自己的对象分类器了解计算机视觉中的机器学习概念使用OpenCV的人工神经网络来解决实际问题开发现实生活中的计算机视觉应用
上传时间： 2022-05-14
上传用户：
随着通信、网络、计算机技术的发展给传统控制技术的发展带来了新的契机。蓝牙技术是一种用于各种固定与移动的数字化硬件设备之间的一种低成本、高效率的无线通信连接技术，在实际应用中取代了烦琐的电缆连接。本课题以英国Cambridge SiliconRadio公司生的BlueCore"M02蓝牙芯片作为研究对象，以蓝牙1.2协议栈为设计指导，给出了基于蓝牙HID协议栈的串口键盘鼠标取数据采集实现方案。蓝牙规范是亩蓝牙SIG开发的免费开放的蓝牙技术标准，包括核心规范（Core Specification）和应用规范（Profile）两个部分。核心规范定义了各层协议各自的工作方式，而应用规范是为了实现一个特定的应用模型而采取的特定协议层间的运行机制。整个蓝牙协议体系可分为底层硬件模块、中间协议层和高端应用层三部分。链路管理层、基带层和射频层属于蓝牙硬件模块。逻辑链路控制和适配协议、服务发现协议、串口仿真协议属于中间协议层，一般用软件实现。高端应用层是对用于各种应用模型的Profile.本论文首先分析和研究了蓝牙核心协议，然后重点分析了基于蓝牙HID高端应用模式的实现，用软件实现了基于HID协议的HC1、逻辑链路控制适配协议和服务发现协议。然后在HID应用规范的基础上给出了以串口方式实现键盘和鼠标数据采集的硬件和软件设计，整个系统设计结合蓝牙开发工具BBDK，给出了基于HID规范实现键盘鼠标的完整设计过程。在扫描码采集端以微处理器方式做为蓝牙主机实现HID高层应用规范，蓝牙主机内用C语言实现基于HID协议HCI，L2CAP，SDP：在PC机端用PC机做为蓝牙主机，在VC++6.0环境下用C++的类封装方式实现上述协议。
上传时间： 2022-05-31
上传用户：
课时8UnixLinux体系结构、信号编程初步.vep - 359.26MB课时5学习nginx源码前的准备工作.vep - 145.85MB课时4nginx整体结构、进程模型.vep - 141.58MB课时23通讯代码精粹之epoll函数实战2.vep - 446.32MB课时22通讯代码精粹之epoll函数实战1.vep - 266.03MB课时1linux C++通讯架构实战课程详细介绍.vep - 85.60MB课时17CS,TCIP协议妙趣横生、惟妙惟肖谈.vep - 475.59MB课时16守护进程及信号处理实战.vep - 332.08MB课时13读配置文件、查泄露、设置标题实战.vep - 626.86MB课时10fork函数详解、范例演示.vep - 328.51MB14320课程.txt - 6.34KB
上传时间： 2022-06-05
上传用户：得之我幸78
MATLAB深度学习简介深度学习是机器学习的一个类型，该类型的模型直接从图像、文本或声音中学 习执行分类任务。通常使用神经网络架构实现深度学习。“深度”一词是指网络 中的层数 — 层数越多，网络越深。传统的神经网络只包含 2 层或 3 层， 而深度网络可能有几百层。下面只是深度学习发挥作用的几个例子:• 无人驾驶汽车在接近人行横道线时减速。• ATM 拒收假钞。• 智能手机应用程序即时翻译国外路标。深度学习特别适合鉴别应用场景，比如人脸辨识、 文本翻译、语音识别以及高级驾驶辅助系统(包括 车道分类和交通标志识别)。简言之，精确。先进的工具和技术极大改进了深度学习算法，达到了 很高的水平，在图像分类上能够超越人类，能打败世界最优秀的围棋 选手，还能实现语音控制助理功能，如 Amazon Echo® 和 Google Home，可用来查找和下载您喜欢的新歌。如果您刚接触深度学习，快速而轻松的入门方法是使用现有网络， 比如 AlexNet，用一百多万张图像训练好的 CNN。AlexNet 最常用于 图像分类。它可将图像划分为 1000 个不同的类别，包括键盘、鼠标、 铅笔和其他办公设备，以及各个品种的狗、猫、马和其他动物。
标签： Matlab
上传时间： 2022-06-10
上传用户：
本书作者以轻松幽默的笔调向读者论述了高质量软件开发方法与C++/C编程规范。本书共15章，重点介绍软件质量和面向对象程序设计方法，C++/C编程风格和一些技术专题等内容。第1章 高质量软件开发之道 第2章 做好程序员 第3章 编程语言发展简史 第4章 C++面向对象程序设计方法概述 第5章 文件结构 第6章 程序的版式 第7章 命名规则 第8章 表达式和基本语句 第9章 常量 第10章 函数设计 第11章 内存管理 第12章 C++函数的高级特性 第13章 类的构造、析构与赋值函数 第14章 C++ STL应用编程建议 第15章 其他编程经验 附录A C++/C试题
上传时间： 2022-06-16
上传用户：
从感知机到深度神经网络带你入坑深度学习机器学习工程师Adi Chris最近学习完吴恩达在Coursera上的最新课程后，决定写篇博客来记录下自己对这一领域的理解。他建议通过这种方式可以有效地深入理解一个学习主题。除此之外，也希望这篇博客可以帮助到那些有意入坑的朋友。言归正传。在我正式介绍深度学习是什么东西之前，我想先引入一个简单的例子，借以帮助我们理解为什么需要深度神经网络。同时，本文附有使用深度神经网络模型求解异或（XOR）问题的代码，发布在GitHub上。异或问题何为异或问题？对于给定的两个上进制输入，我们通过异或逻辑门得到一个预测输出，这 过程 为异或问题。注意，输入不相等时输出为1，否则为0。1展示了异或函数的所有可能的输出结束：
标签： 深度神经网络
上传时间： 2022-06-19
上传用户：canderile
神经网络是机器学习的重要分支，是智能计算的一个主流研究方向，长期受到众多科学家的关注和研究，它植根于很多学科，结合了数学、统计学、物理学、计算机科学和工程学.已经发现，它能够解决一些传统意义上很难解决的问题，也为一些问题的解决提供了全新的想法.在传统的研究成果中，有很多表达数据的统计模型，但大都是比较简单或浅层的模型，在复杂数据的学习上通常不能获得好的学习效果.深度神经网络采用的则是一种深度、复杂的结构，具有更加强大的学习能力，目前深度神经网络已经在图像识别、语音识别等应用上取得了显著的成功.这使得这项技术受到了学术界和工业界的广泛重视，正在为机器学习领域带来一个全新的研究浪潮.
标签： 深度神经网络
上传时间： 2022-06-19
上传用户：shjgzh
深入理解C#第3版本书是 C# 领域不可多得的经典著作。作者在详尽地展示 C# 各个知识点的同时，更注重从现象中挖掘本质。本书深入探索了 C# 的核心概念和经典特性，并将这些特性融入到代码中，让读者能够真正领会到C# 之“深入”与“精妙”。在第 2 版的基础上，本书新增了 C# 5 的新特性——异步，并更新了随着技术的发展，已经不再适用的内容，确保整本书能达到读者期望的高标准。如果你略微了解一点 C#，就可无障碍地阅读本书。
标签： C#
上传时间： 2022-06-21
上传用户：
上面是一段实时目标识别的演示， 计算机在视频流上标注出物体的类别， 包括人、汽车、自行车、狗、背包、领带、椅子等。今天的计算机视觉技术已经可以在图片、视频中识别出大量类别的物体， 甚至可以初步理解图片或者视频中的内容， 在这方面，人工智能已经达到了3 岁儿童的智力水平。这是一个很了不起的成就， 毕竟人工智能用了几十年的时间， 就走完了人类几十万年的进化之路，并且还在加速发展。道路总是曲折的， 也是有迹可循的。在尝试了其它方法之后， 计算机视觉在仿生学里找到了正确的道路（至少目前看是正确的） 。通过研究人类的视觉原理，计算机利用深度神经网络（ Deep Neural Network，NN）实现了对图片的识别，包括文字识别、物体分类、图像理解等。在这个过程中，神经元和神经网络模型、大数据技术的发展，以及处理器（尤其是GPU）强大的算力，给人工智能技术的发展提供了很大的支持。本文是一篇学习笔记， 以深度优先的思路， 记录了对深度学习（Deep Learning）的简单梳理，主要针对计算机视觉应用领域。
上传时间： 2022-06-22
上传用户：
介绍Socket 编程让你沮丧吗？从man pages中很难得到有用的信息吗？你想跟上时代去编Intemet相关的程序，但是为你在调用connect（）前的bind）的结构而不知所措？等等…好在我已经将这些事完成了，我将和所有人共享我的知识了。如果你了解C语言并想穿过网络编程的沼泽，那么你来对地方了。读者对象这个文档是一个指南，而不是参考书。如果你刚开始socket编程并想找一本入门书，那么你是我的读者。但这不是一本完全的socket编程书。平台和编译器这篇文档中的大多数代码都在Linux平台PC上用GNU的gcc成功编译过。面且它们在HPUX平台上用gcc也成功编译过。但是注意，并不是每个代码片段都独立测试过。
上传时间： 2022-06-23
上传用户：
