https://www.zhujian.tech/posts/1cb6a408.html#more

论文下载地址：Selective Search for Object Recognition摘要 This paper addresses the problem of generating possible object locations for use in object recognition. We introduce Selective Search which combines th

https://www.zhujian.tech/posts/359e7c3c.html#more

最开始在CSDN上进行博客写作，到现在利用Hexo自建博客网站，中间还利用了sphinx生成文档 不同的写作平台和写作方式有好处也有坏处，小结一下 CSDN最开始接触的就是CSDN，之前经常会在上面查阅资料，后来就注册了帐号开始写作 一直坚持在CSDN上写作的好处非常明显，首先写文章能够更加理解知识点，理清这个知识点相关的问题，并进一步发散到其他知识点；同时在往后的查阅和复习过程中能够给你快速的提

https://www.zhujian.tech/posts/4a17b156.html

Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub. Quick

https://www.zhujian.tech/posts/18052054.html

OpenCV在模块opencv_contrib中实现了基于图的图像分割算法，其实现和作者提供的工程源码略有差别

https://www.zhujian.tech/posts/43d7ec86.html#more

cifar-10数据集保存10类，每类6000张图像。其中50000张训练图像和10000张测试图像 训练图像保存在5个文件中，每个文件有10000张图像，测试图像保存在一个文件，训练和测试图像都以随机顺序保存 官网：The CIFAR-10 dataset cifar-10提供了使用不同语言生成的压缩包，包括python/matlab/c python解析训练文件命名为data_batch_1/

https://www.zhujian.tech/posts/507c1b79.html#more

参考： Necessity and sufficiency 充分必要条件 充分条件和必要条件怎么区分 ？ 充分条件(sufficient condition)和必要条件(necessary condition)是逻辑上用于描述表达式(statement)之间或日常生活中用于描述事务(affair)之间的条件关系或隐含关系的术语 假设$A$为条件，$B$为结论 充分条件如果$A$只是$B$的其中一种

https://www.zhujian.tech/posts/a6c06fb8.html#more

参考： 教程 | 使用 PyCharm 连接服务器进行远程开发和调试 Creating a Remote Server Configuration 当前使用笔记本进行开发，想要利用服务器加快编译和运行速度 新建PyCharm工程，点击菜单栏File->Settings，打开设置窗口 点击左侧窗格Project->Project Interpreter 点击右上角的齿轮按钮->A

https://www.zhujian.tech/posts/2e594804.html

参考：基于图的图像分割（Graph-Based Image Segmentation）学习R-CNN过程中发现其前期使用了选择性搜索方法进行区域提取，而在选择性搜索方法中使用了论文Efficient Graph-Based Image Segmentation提出的基于图的图像分割算法

https://www.zhujian.tech/posts/e42851a1.html#more

边缘检测是图像处理的基本操作之一，其目的是去除图像多余信息，保留图像轮廓数据，以便后续的处理（检测、识别等等）

https://www.zhujian.tech/posts/80b530f2.html

在进行图像分割之前通常会使用滤波器进行平滑操作，其目的是消除高斯噪声的影响。学习高斯噪声/高斯滤波的相关概念并实现高斯滤波器

https://www.zhujian.tech/posts/5cbfbe67.html#more

记录一些论文写作相关的工具和使用方法 文献相关文献查询 知网 预印本数据库 百度学术 谷歌学术 参考文献编辑使用百度学术或google学术进行文献引用格式查询：点击引用选项即会弹出标准的引用格式 辅助工具：NoteExpress 查重 PaperFree 文档编辑word编辑 分栏设置：布局->栏->两栏 公式编辑MathType：MathType7.1破解版 问题：解决Ma

https://zhujian.tech/posts/7c823af7.html#more

当前jenkins通过tomcat进行托管，登录路径为 1localhost:8080/jenkins/ 下面通过nginx进行反向代理，简化登录路径 nginx配置修改nginx配置文件/etc/nginx/conf.d/default.conf，增加 1234567...... location /jenkins/ { proxy_pass http://localho

https://www.zhujian.tech/posts/5d15ec84.html#more

参考： Jenkins User Documentation 什么是Jenkins？Jenkins是一个独立开源的自动化服务器，支持几乎所有语言，支持所有自动化任务，包括构建、测试、交付和部署 先决条件硬件上 至少256MB内存，推荐512MB 10GB硬盘空间（用于Jenkins和Docker镜像） 软件上 Java 8，参考：[Ubuntu 16.04]Java安装 Docker，参考：

https://www.zhujian.tech/posts/5213c80b.html

指定标签块名 标签块 1标签块 2标签块 3标签页1标签页2标签页3 指定标签块名+起始标签页+标签页名 Tab 1Tab 2Tab 3This is Tab 1.This is Tab 2.This is Tab 3. 指定标签块名+起始标签页+FontAwesome符号 This is Tab 1.This is Tab 2.This is Tab 3. 子标签块设置 Tags 1Tags 2

https://www.zhujian.tech/posts/a4b1a6d9.html

基于图的图像分割算法的作者提供了工程源码：Graph Based Image Segmentation

https://www.zhujian.tech/posts/ca2079f0.html#more

参考： Linear Regression and Gradient Descent from scratch in PyTorch PyTorch进阶之路（二）：如何实现线性回归 线性回归 特征缩放 首先利用numpy实现梯度下降解决多变量线性回归问题，然后逐步将操作转换成pytorch 实现步骤如下： 加载训练数据 初始化权重 计算预测结果 计算损失函数 梯度更新 重复3-5步，直到完成迭代

https://www.zhujian.tech/posts/931e2563.html#more

Simple inline $a = b + c$. \frac{\partial u}{\partial t} = h^2 \left( \frac{\partial^2 u}{\partial x^2} + \frac{\partial^2 u}{\partial y^2} + \frac{\partial^2 u}{\partial z^2}\right)

https://www.zhujian.tech/posts/69fce0f5.html#more

R-CNN(Regions with CNN features, 具有CNN特征的区域)是早期最先在目标检测领域中使用卷积神经网络的模型之一，其结合了图像处理、机器学习和深度学习，在当时达到了非常好的结果

https://www.zhujian.tech/posts/dea583b1.html#more

参考：数据标准化/归一化normalization 在多变量回归或分类问题上，需要保证这些变量的取值范围具有同一尺度 原因一：确保大尺度变量不会左右分类器的分类结果。如果分类器利用结果变量的距离来计算损失函数，那么小尺度变量的变化会被忽略，大尺度变量会决定分类效果原因二：帮助梯度下降算法收敛更快。参考机器学习—特征缩放/均值归一化，从损失函数等值线图可知，变量在同一尺度下能够更快的通过梯度下降算法

https://www.zhujian.tech/posts/3c50d4b7.html#more

参考：梯度下降 梯度下降是求解函数最小值的算法，也称为最速下降法，它通过梯度更新不断的逼近最优解 常用的比喻是下山问题，通过计算梯度能够找到函数值变化最快的地方，通过步长决定收敛的速度 梯度下降方法包括批量梯度下降、随机梯度下降和小批量梯度下降，下面通过梯度下降计算多变量线性回归问题 多变量线性回归参考线性回归 Y=X\cdot W其中 Y_{m\times 1}=\begin{bmatrix

https://www.zhujian.tech/posts/b03366b0.html#more

学习SelectiveSearch算法时候，其纹理特征需要计算类SIFT特征，实现方式是计算每张图片8个方向上10 bin大小的高斯导数直方图

https://www.zhujian.tech/posts/6824c6e3.html#more

参考：正态分布 正态分布（normal distribution），也称为常态分布，高斯分布（gaussian distribution），是连续随机变量概率分布的一种，自然界中大量现象符合正态分布，比如身高/体重/成绩/收入/寿命 一维正态分布若随机变量$X$服从一个位置参数（数学期望）为$\mu$、尺度参数（方差）为$\sigma $的概率分布，且其概率密度函数为 f(x)=\frac{1}

https://www.zhujian.tech/posts/202ee452.html#more

打算在远程服务器上运行Jenkins，忽然发现git没有安装，搞了半天没有成功（各种依赖问题，条件限制不能重启机器），所以尝试通过Docker运行Jenkins

https://www.zhujian.tech/posts/f1eacfb6.html#more

以下主要涉及颜色直方图的概念和计算最开始学习数字图像处理的时候就接触到了直方图的概念，也记录过OpenCV 1.x/2.x的直方图实现代码

https://www.zhujian.tech/posts/d3f167aa.html

https://www.zhujian.tech/posts/cc213461.html#more

经常需要在不同的颜色空间下进行图像处理颜色空间参考：颜色空间色彩空間 颜色空间（color space），又称为颜色模型（color model），是坐标系统和子空间的阐述，位于系统的每种颜色都有单个点表示

https://www.zhujian.tech/posts/b35b83bc.html#more

原文地址：Introduction to GitLab Flow Git allows a wide variety of branching strategies and workflows. Because of this, many organizations end up with workflows that are too complicated, not clearly define

https://www.zhujian.tech/posts/26ac7011.html#more

方向梯度直方图（Histogram Of Oriented Gradients，简称为HOG）是常用的纹理特征之一，本篇文章简单易懂的讲解了HOG概念

https://www.zhujian.tech/posts/a20843e9.html#more

原文地址：GitHub FlowIssues with git-flowgit-flow的问题 I travel all over the place teaching Git to people and nearly every class and workshop I’ve done recently has asked me what I think about git-flow. I al

https://www.zhujian.tech/posts/d22ab967.html#more

列出整理成册的文档，已备参考 基础篇 计算机基础知识 - computer_foundation 翻墙指南 - wall-guide markdown语法 - markdown-guide 进阶篇 Linux相关知识 - linux-guide 工具篇 vscode使用指南 - vscode-guide hexo建站指南 - hexo-guide sphinx使用指南 - sphinx-git

https://www.zhujian.tech/posts/c7ee2f15.html#more

在好多个工程上都使用了git，随着时间的拉长会发现工程的提交历史和分支管理很混乱，所以希望能够有一套规范的git使用流程来更好的实现版本管理

https://www.zhujian.tech/posts/aae96086.html#more

原文地址：A successful Git branching model In this post I present the development model that I’ve introduced for some of my projects (both at work and private) about a year ago, and which has turned out to

https://www.zhujian.tech/posts/3d82a363.html#more

方差、标准差都是在概率论(probability)和统计学(statistic)中常用的内容，它们之间彼此联系又互相有差别 独立性和相关性参考：随机变量的独立性和相关性有什么联系？相关系数为零能说明什么？ 对于两组随机变量$X$和$Y$而言: 如果对$X$的取值不改变对$Y$的取值，反之亦然，那么这两组变量是独立的 如果对$X$的取值和对$Y$的取值服从某一函数$f(x,y)=0$，那么称它们

https://www.zhujian.tech/posts/d521b4ea.html

利用Jenkins Pipeline工程编译NodeJS项目，出现npm not found问题参考Jenkins Starting with Pipeline doing a Node.js test，配置NodeJS开发环境

https://www.zhujian.tech/posts/ec419bd2.html#more

参考： 《机器学习基础 原理、算法与实践》第二章 线性回归 Python 机器学习：线性回归 主要内容如下： 回归和分类的区别 线性回归 最小二乘法 梯度下降法 回归和分类参考： 区分识别机器学习中的分类与回归 分类与回归区别是什么？ 回归和分类一样，都是对变量进行预测 回归是对连续型变量进行预测，回归预测建模是指建立输入变量X映射到连续输出变量Y的映射函数f 分类是对离散型或连续型变量进行预

https://www.zhujian.tech/posts/20cc7a49.html

参考：Improving neural networks by preventing co-adaptation of feature detectors

https://www.zhujian.tech/posts/adc5ce0c.html

将Jenkins架设在局域网服务器上，使用内网穿透技术映射Jenkins端口，打开页面，提示错误 It appears that your reverse proxy set up is broken

https://www.zhujian.tech/posts/815ea453.html

学习论文Selective Search for Object Recognition，在网上查找相关资料时发现这篇文章，对于选择性搜索算法及其特征提取方式概括的比较好，所以翻译下来以便后续的学习