Asp1rant

摘要： 本文讨论GraphQL中的Query，Mutation和Subscription，并给出ApolloGraph中的实现示例 阅读全文

摘要： 本文介绍GraphQL中的Authenication和Authorication 阅读全文

摘要： 在GraphQL中，Schema和Resolver是两个非常重要的概念，是编写GraphQL Server的2个基本单元 本文介绍GraphQL中的Schema和Resolver。 Schema Schema定义了GraphQL中基于graph的数据格式 参考： https://graphql.or 阅读全文

摘要： GraphQL是Facebook创造的基于Graph的API查询语言，本文开始对GraphQL进行学习。 本文介绍GraphQL中的Query，Mutation以及Subscription。 阅读全文

摘要： 参考： https://juejin.cn/post/7019184783242559496#heading-5 依赖注入简介 依赖注入是前端开发者也是 Angular 开发者一道很难迈过去的坎。软件只有到达了一定的复杂度才会需要各种设计原则和模式，那么依赖倒置原则（Dependency Inver 阅读全文

摘要： RCNN （Region-based Convolutional Neural Networks）是将CNN引入目标检测的开山之作， 大大提高了目标检测效果。 RCNN 算法介绍 R-CNN是一种最先进的视觉目标检测系统，它将自底向上的区域提议与卷积神经网络计算的丰富特征相结合。在发布时，R-CNN 阅读全文

摘要： 在目标检测学习系列的文章中，很多检测算法都会涉及到Selective Search的使用，比如R-CNN。本文介绍Selective Search 参考： https://zhuanlan.zhihu.com/p/39927488 https://learnopencv.com/selective- 阅读全文

摘要： GraphQL 是Facebook的 API 的查询语言，也是使用现有数据完成这些查询的运行时。GraphQL 为 API 中的数据提供了完整且易于理解的描述，使客户端能够准确地询问他们需要什么，此特性使 API 随着时间的推移更容易发展，并提供了强大的开发人员工具。 Apollo GraphQL是 阅读全文

摘要： HOG(Histogram of Oreinted Gradients) 方向梯度直方图是一种常用的图像特征算法，和SVM等机器学习算法一起使用可以实现目标检测等。本文详细介绍HOG并给出python的MNIST实例 阅读全文

摘要： 本文介绍图像处理中特征提取的常用算子 - LBP（Local Binary Pattern）算法。 LBP，全称Local Binary Pattern，局部二值模式，是一种能够描述图像纹理的算法，并且具有旋转不变性和灰度不变性等优点。本文会介绍最基本的LBP算法和其扩展。 阅读全文

摘要： 本文介绍支持向量机SVM(Support Vector Machine) 参考： https://zhuanlan.zhihu.com/p/49331510 https://zhuanlan.zhihu.com/p/77750026 https://blog.csdn.net/Jon_Sheng/a 阅读全文

摘要： 参考： https://blog.csdn.net/weixin_47547146/article/details/118680875 https://zhuanlan.zhihu.com/p/104355127 https://www.jianshu.com/p/19976de06ac7 http 阅读全文

摘要： 霍夫森林算法是一种利用霍夫空间投票识别图片或点云目标的算法，算法设计参考了随机森林，是一种bagging的机器学习算法。 我们经常在图片识别的视频中看到将视频中的目标物识别出来，并进行分类。而如何准确地从背景中提取我们需要的目标物，霍夫森林便是研究这一问题的一种算法。 参考文献： Hough For 阅读全文

摘要： 本文介绍霍夫变换Hough Transform，并介绍其在直线检测和三维平面检测的应用。 霍夫变换 霍夫空间 我们把一条直线y=kx+q变换为：q = -xk + y, 然后绘制出关于k和q坐标系下的方程，可以得到一个点。 相应的，q = -xk + y 这条直线也可以转换为点（x, y)，这里的 阅读全文

摘要： 本文参考：https://zhuanlan.zhihu.com/p/24810318 什么是Batch Normalization Normalization的局限性 上篇博客说道Normalization让数据落到制定区间。 在神经网络中, 数据分布对训练会产生影响. 比如某个神经元 x 的值为1 阅读全文