[ubuntu 18.04]重装系统小结
原先笔记本自带的是Win10
系统,想着日常开发中更常用的是Linux
环境,所以重装了Ubuntu
。之前用的是16.04
版本,用了也快一年了,电脑里面的东西攒的挺多的,而且现在也都快2020
了,所以打算重装Ubuntu 18.04
版本,小结重装Ubuntu
系统后相关环境配置
原先笔记本自带的是Win10
系统,想着日常开发中更常用的是Linux
环境,所以重装了Ubuntu
。之前用的是16.04
版本,用了也快一年了,电脑里面的东西攒的挺多的,而且现在也都快2020
了,所以打算重装Ubuntu 18.04
版本,小结重装Ubuntu
系统后相关环境配置
需要在Jenkins
操作完成后上传代码到另一个网站的仓库,所以需要手动设置credential
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
参考Git三大特色之WorkFlow(工作流),学习了目前最流行的三种git
工作流
原文地址:GitHub Flow
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 be very successful. I’ve been meaning to write about it for a while now, but I’ve never really found the time to do so thoroughly, until now. I won’t talk about any of the projects’ details, merely about the branching strategy and release management.
在这篇文章中,我介绍了大约一年前为我的一些项目(包括工作项目和私人项目)引入的开发模型,结果证明非常成功。一段时间以来,我一直想写这篇文章,但直到现在,我还没有真正找到时间彻底地写完。我不会谈论任何项目的细节,仅仅是分支策略和发布管理
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
原文地址:Rich feature hierarchies for accurate object detection and semantic segmentation
经常需要在不同的颜色空间下进行图像处理
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
参考:
学习OpenCV
的2
维线性滤波器filter2D,发现一句话
1 | Correlation |
之前有接触过correlation
(相关)的存在,但是没有仔细理清相关和卷积的异同,以及与之衍生而来的互相关(cross-correlation
)和滤波(filter
)的概念