96核KVM虚拟化可分配
KVM（Kernel-based Virtual Machine）是一种开源的虚拟化技术，它允许在Linux操作系统上创建和管理虚拟机。KVM利用了Linux内核的虚拟化功能，通过将物理服务器划分为多个虚拟机来实现资源的共享和隔离。虚拟化技术的出现极大地提高了服务器的资源利用率和灵活性。
在KVM虚拟化中，物理服务器的资源（如CPU、内存和存储）被划分为多个虚拟机，每
原创
2023-12-16 07:09:41
121阅读
首先要开启主机的虚拟化，并且下载好CentOS 7的镜像文件 CentOS-7-x86_64-DVD-2009.iso VMware-workstation-full-16.2.2-19200509.exe1.创建新的虚拟机2.VMware是16版本，所以这儿也选163. 选择稍后安装操作系统4. 我们的Linux镜像是7版本，所以我们这儿选择Linux + CentOS 7 64位5. 我这儿取
这一节来真正进入opencv的源码分析中，本次分析的函数是GaussianBlur()，即高斯滤波函数。在前前面博文《opencv源码解析之滤波前言2》： 这里我们分析源代码不需要深入到最底层，我们只需分析到函数crea
最新CPU天梯图较之以往没有太大的变化，前十位置还是那几款。但是继阿里之后，腾讯也开始准备自己制作芯片了，毕竟自研AI芯片的诱惑还是很大的，2020年有不少的厂商都推出了新鲜美味的显卡，有些是老卡翻新做性价比。有的则是为了更进一步，在原有的基础上升级。1、CPU天梯图2020年最新版 500元以下价位推荐型号：Intel 酷睿i3 4170，AMD Ryzen 5 1400（这
本节用来总结SLAM学习过程中，用到的重要的opencv函数
CalcopticalFlowPyrLK()功能使用具有金字塔的迭代Lucas-Kanade方法计算稀疏特征集的光流。void cv::calcOpticalFlowPyrLK (
InputArray prevImg,
InputArray nextImg,
InputArray prevPts
本文主要包含以下内容：1.从线性不可分谈起 2.将低维特征映射到高维空间
原创
2022-02-28 15:46:20
443阅读
本文主要包含以下内容：1.从线性不可分谈起 2.将低维特征映射到高维空间
原创
2021-12-31 13:40:08
306阅读
1 SVM建模
1.1 API介绍在sklearn中，我们通过from sklearn.svm import SVC这句代码就能够导入SVM分类模型了。有人可能会觉得奇怪，为什么导入的是一个叫SVC的东西？这是因为其实SVM不仅可以用来分类，他同样也能用于回归问题，因此SVC其实就是支持向量分类的意思。点击进入SVC定义的地方，我们可以发现里面有很多参数可以设置：def __init__
原创
2022-01-18 09:51:44
217阅读
跟我一起机器学习系列文章将首发于公众号：月来客栈，欢迎文末扫码关注！ 在前面两篇文章中，笔者通过两个角度来介绍了什么是支持向量机。不过说一千道一万，还是不如动手来做做。在本篇文章中，笔者将首先介绍如何通过sklearn来搭建相应的SVM分类模型，然后将接着介绍如何处理SVM中的线性不可分问题。
1 SVM建模
1.1 API介绍在sklearn中，我们通过from sklearn.svm im
原创
2021-12-29 09:24:41
304阅读
Convolution 卷积<?xml:namespace prefix = o ns = "urn:schemas-microsoft-com:office:office" />卷积是本章所讨论的很多转换的基础。抽象的说，这个术语意味着我们对图像的每一个部分所做的操作。从这个意义上讲，我们在第五章所看到的许多操作可以被理解成普通卷积的特殊情况。一个特殊的卷积所实现的功能是由所用的卷积
转载
2024-08-08 10:44:26
8阅读
文章目录一、形态学1.1腐蚀1.2膨胀1.3开操作1.4闭操作1.5梯度1.6礼/顶帽（Top hat）1.8黑帽（Black hat） 一、形态学图像形态学中的几个基本操作：腐蚀、膨胀、开操作、闭操作。1.1腐蚀结构A被结构B腐蚀的定义为。可以理解为，移动结构B，如果结构B与结构A的交集完全属于结构A的区域内，则保存该位置点，所有满足条件的点构成结构A被结构B腐蚀的结果。 A⨀B={z|(B)
转载
2024-10-04 11:35:43
137阅读
1、图像卷积：用一个小于图像的矩阵窗口在图像上按照一定的步长移动，在窗口覆盖的图像对应区域内，将对应像素点与窗口权值进行乘法操作，再将所有的乘积相加再除以窗口尺寸，作为该步移动的输出。这里的窗口一般被称为卷积核（kernal），卷积核中的元素被称为权值。注意，当输入图像通道数为多个时，对应的卷积核也有同样的通道数量。API： 这里的blur函数步长始终为1。代码：void Q
转载
2024-10-25 12:59:12
32阅读
6.2 卷积神经网络简介卷积神经网络和全连接神经网络的整体架构非常相似，唯一区别就在于神经网络中相邻两层的连接方式，相邻两层之间只有部分节点相连，为了展示每一层神经元的维度，一般将每一层卷积层的节点组织成一个三维矩阵。使用全连接神经网络处理图像的最大问题在于全连接层的参数太多，对于MNIST数据，一个全连接层的神经网络有28*28*500+500=392500个。如果考虑Cifar-10数据集，图
用81-30-2的网络来二分类mnist的0和1，然后再向这个网络上加卷积核，如果想要性能和效率都实现最优应该加几个最合适？ 首先做对照网络d2（mnist 0,1）81-30-2-（2*k） ,k∈{0,1}用81-30-2的网络来二分类mnist的0和1，并让0向（1，0）收敛，让1向（0，1）收敛。用这个没有加卷积核的网络的性能做参照来比较增加卷积核对网络性能的影响。再制作有卷积核
lines_gauss原型lines_gauss(Image : Lines : Sigma, Low, High, LightDark, ExtractWidth, LineModel, CompleteJunctions : )功能检测线条以及其宽度。参数列表Image (input_object) ：输入图像 Lines (output_object) ：检测线条（XLD） Sigma (i
卷积层1. 1d/2d/3d卷积Dimension of Convolution卷积运算：卷积核在输入信号（图像）上滑动，相应位置上进行乘加卷积核：又称为滤波器，过滤器，可认为是某种模式，某种特征。
卷积过程类似于用一个模版去图像上寻找与它相似的区域，与卷积核模式越相似，激活值越高，从而实现特征提取，所以在深度学习当中，可以把卷积核看成是特征提取器的检测器
AlexNet卷积核可视化，发现卷积核学
转载
2023-07-08 17:56:44
264阅读
前言 这次主要介绍了Mat类中，一些区域的选取和数学计算，里面的函数和用法都已经在代码中进行了解释。#include<opencv2\opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
template <class T>
void display(string st
转载
2024-04-11 10:44:07
29阅读
本文未指明图片来源为 Multiple View Geometry in Computer Vision 。读 Multiple View Geometry in Computer Vision 所做笔记。第 9 章 《对极几何与基础矩阵》，Epipolar Geometry and the Fundamental Matrix。对极几何研究的对象是双视图几何，即两张相邻影像的位姿关系。1. 对极
卷积操作再说图像梯度之前我们先解释一下卷积操作。 卷积操作有很多种，我们以最简单的为例子。 假设卷积核是3x3的，然后我们在要操作的图像里面，选定一个位置，在他周围圈出来一个3x3的矩阵，卷积核与这个矩阵对应的位置相乘，然后得到的9个数，这9个数再相加，最终得到的值赋值为源图像中选定的这个中心位置的值。用这个方法，更新完源图像中的所有位置。（边缘的位置，圈3x3的矩阵的时候，超出图像外面的补为0）
转载
2024-03-27 07:26:22
95阅读
OpenCV 图像卷积2.1 图像卷积2.2 均值滤波2.3 中值滤波2.4 高斯模糊2.5 Sobel算子2.6 拉普拉斯算子2.7 Canny边缘检测算法2.8 双边滤波2.9 锐化滤波 最近因项目需要加上自己的兴趣，需要用一些opencv相关的东西，虽然之前零零碎碎学习过一些，但是很久不用就忘了，打算写篇文章总结一下学习的过程以及一些常用的函数。类似的博文有很多，但还是觉得自己总结一编印象
转载
2024-07-10 11:12:00
160阅读
