Welcome to CLH's Blog!
厚德 求真 砺学 笃行-
Dark Image Enhancement
暗光增强
部分双摄手机支持夜间拍照的暗光增强技术，如华为P9的“超级夜景”模式，暗光增强涉及到图像配准和图像融合，最近整理该算法，在此做下总结。
图像配准和融合的方法主要分为三种：
1.基于像素的配准，特点计算量小，用于初步配准；
2.基于特征的配准，特点计算量大，先进行特征提取，如SIFT、SURF等；定位准确；
3.基于模型的配准，用于精细配准。
【Ref】：
[1] Darkness Lighting
[2] 图像融合中的图像配准方法研究
[3] OpenCV探索之路（二十四）图像拼接和图像融合技术
[4] 图像金字塔
[5] OpenCV图像金字塔：高斯金字塔、拉普拉斯金字塔与图片尺寸缩放
[6] SURF算法与源码分析、上
-
MySQL median
MySQL Median
MySQL求中位数。 环境：windows7 32bit，MySQL version:5.7.20. 准备工作：启动MySQL并创建table：
1.启动MySQL服务：net start mysql2.登录mysql：
mysql -uroot -p 回车输入密码3.查看当前所有数据库：
show databases;如下：
4.创建数据库：
create database lcl;5.进入数据库：
use lcl;建 table：
插入数据：
①：将数据排序，并给每一行数据给出其在所有数据中的排名：
②：找出中位数的排名数字，但是这种方法只能找到行数为奇数时的中位数：
③：无意在stackoverflow上看到了别人优化后的方法：
上面只是对一组数据求中位数，如何对多组数据操作呢？
思路是先对数组按n个分组进行排序，再对这n个分组求中位数。
待优化……
【Ref】：
[1] 在MySQL中，如何计算一组数据的中位数？
[2] MySQL Calculate Median
[3] Simple way to calculate median with MySQL
[4] code
-
OpenCL Samples
OpenCL Samples#
公司的OpenCL环境是刚入职时师姐给配置的，记得当时是先安装了AMD显卡驱动，然后安装了AMD APP SDK，最后安装的是OpenCL GPU调试工具CodeXL。
但是问题来了，在自己的笔记本上安装之后，提示找不到GPU硬件，Unable to get platforms，猜想是AMD显卡驱动没有安装好，故重装驱动；在AMD官网上按照显卡的型号查找到自己电脑对应的驱动，安装之。
注意，显卡不是最新的话，最好不要下载AMD官网自动检测的驱动程序，我之前就是下载了官网自动检测的驱动然后OpenCL和CodeXL就检测不到Platform了！对，就是下面的这个东东：
要自己指定所用显卡对应的驱动：
安装好之后，打开CodeXL查看系统信息，可检测到GPU：
运行OpenCL Samples中的HelloWorld，结果是这样的：
记之。
【Ref】：
[1] Download AMD Drivers & Software for Radeon, FirePro, APU, CPU, desktops, and laptops
[2] AMD Display Driver
[3] APP SDK – A Complete Development Platform
[4] CodeXL
-
ldd command
ldd 命令
List Dynamic Dependencies (ldd)，用来查看程序运行所依赖的共享库，常用来解决程序因缺少某个库文件而不能运行的问题。(ldd prints the shared libraries required by each program or shared library on the command line.)
帮助：ldd --help man lddUsage:
ldd [Option]... File...eg：
第一列：程序所依赖的库；
第二列：系统提供的与程序需要的库所对应的库；
第三列：库加载的开始地址。
ldd命令是依靠设置一些环境变量而实现的，也就是说ldd的作用只是设置一些环境变量的值。
如：LD_TRACE-LOADED_OBJECTS,只要设置其值非空即可：$ export LD_TRACE-LOADED_OBJECTS=1 $ ls /usr运行结果：
撤销该环境变量，ls即可恢复正常使用：
$ unset LD_TRACE-LOADED_OBJECTS $ ls /usr/运行结果如下：
从上可知，ldd默认开启的环境变量是：LD_TRACE-LOADED_OBJECTS=1
【Ref】
[1] ldd命令
[2] ldd 查看程序依赖库
-
OpenCL Matrix Transpose
OpenCL Matrix transpose#
OpenCL（GPU）程序，矩阵转置，对如下的8*8矩阵进行转置运算：
分块大小为：22，一共有（8/2）（8/2）个矩阵块，分对角线和非对角线上的矩阵块；对角线上的块是矩阵内部行列互换，非对角线上的块与自己对称的矩阵块行列互换，需要处理的工作项的个数为上三角矩阵块的个数：4*（4+1）/2=10个，程序的运行结果如下：
【Ref】：
[1] OpenCL实现矩阵转置
[2] source code
-
Keras First Network.
基于Keras的神经网络构建
Keras构建神经网络的步骤如下：
- Load Data.
- Define Model
- Compile Model
- Fit Model
- Evaluate Model
- Tie it all together
代码如下：
import time from keras.models import Sequential from keras.layers import Dense import numpy start = time.time() # fix random seed for reproducibility numpy.random.seed(7) #load pima indians dataset dataset = numpy.loadtxt("pima-indians-diabetes.csv",delimiter=",") #split into input(x) output(y) variables x = dataset[:,0:8] y = dataset[:,8] #create model model = Sequential() model.add(Dense(12,input_dim=8,activation='relu')) model.add(Dense(8,activation='relu')) model.add(Dense(1,activation='sigmoid')) #compile model model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy']) #fit the model model.fit(x,y,epochs=150,batch_size=10) #evaluate the model scores = model.evaluate(x,y) print("\n%s: %.2f%%" %(model.metrics_names[1],scores[1]*100)) end = time.time() print 'Run time: ' print end - start运行结果：
【Ref】
[1] Develop Your First Neural Network in Python With Keras Step-By-Step
[2] Keras常用层
- GitHub_Pages 1
- jekyll 1
- OpenCV 4
- Git 3
- OpenCL 8
- OpenGL 1
- Scrapy 1
- Python 4
- Crawler 1
- Deep_Learning 3
- GFW 2
- Wireless 1
- Virtual_WiFi 1
- Linux 11
- Face_Detection 2
- Face_Recognition 1
- Computer_Vision 7
- Job 1
- People_detect 1
- Software-Install 1
- Life 1
- Tools 2
- Deep_learning_Library 3
- MySQL 1
- Editor 1
- Travelling 1
- Deep_learning 1
- HPC 1
- Programming 1