wakacaca

在Mat类中的dim一定是大于等于2的。 获取到图像返回*data，没有获取到则返回Null，不要用指针来判断有木有数据，最好使用现有提供的判断函数。 注意：并不是所有的mat都可以存成图像文件。好像只支持8V单通道和3通道，16V的支持png，jpeg2000。写文件的时候是…

对图像处理来说：输入的是图像，输出的还是图像。 自动驾驶汽车目前技术已经非常成熟，只是在厂商，保险公司，以及各地区法律之间还需要权衡的问题。 医疗上的人脑手术，通过骨骼模型进行3维投影 找到病变的位置，来辅助医生做手术。 以前的电影拍摄需要使用道具，现在的电影制作是在人的头上戴…

想法：在之后的输入要把之前的信息利用起来。W3就相当于对中间信息进行一个保留。 X和U组合成一个特征图，A表示一个记忆单元。 V矩阵相当于对St进行一个全连接的操作。最终的输出需要通过softmax将向量转化成概率的形式。RNN最适合做自然语言处理。图像处理上没有要求前后关联。…

84*84*4表示一个state，4表示4帧图像。 每个像素点都有0-255种可能取值，256的84*84*4次幂表示4张图全部像素点的总共可能性取值。说明如果全部像素点都拿来做state，那Q-table就太大了。 改变每个像素点的值，转换为黑白图像：0代表黑色，255代表白…

状态：当前智能体所处的一个状态。 要进行的一个下一步的操作，AlphaGo的落子的操作我们称之为行为，往哪个方向走(上下左右)。 奖励：每一步行为之后都会有一个结果，对不同的结果都会有一个奖励的值，如果你学习了我给你一个奖励，如果你打球了(没学习)我就给你一个惩罚。每一步操作都…

分类任务 猫还是狗。 第一种解决方案先找出来一些框，再对这些款做一些分类的操作。通过Selective Search利用图像上文理、颜色特征做一些组合，看那些小区域的特征是比较相似的 然后合并成一个大的区域。先找出来一些框，然后对这些框做物体分类的任务。 这种方法显得有些笨，因…

分类任务：输入一个东西，识别出这个东西的所属类别。Location相当于定位，比如定位图像当中所有的物体。 分类+回归：即知道这个猫还要将猫定位出来。 Location输出的是坐标值。 给定真实值：类别和位置。那么预测值和真实值之间会有个差异，让预测值的框不断的去拟合真实值框之…

AlexNet不再使用，因为现在有比这个更好的网络。 VGGNet效果要比AlexNet网络要高那么10个百分点。VGGNet对每一层的参数设置都是一样的。VGGNet有2个版本：16和19层。

感受眼就是特征图上的一个点对应原始图像的区域大小。感受眼是相对原图来说的，第二层卷积对应第一层卷积是3*3大小，对应到原图则是5*5大小。所以第二层卷积得到的特征图中的每个点的感受眼是5*5的。层数越多，那么后面感受眼的范围就会越大。感受眼的大小意味着特征点对应着原始图像的大小…