Header-only JPEG Save/Load

部署项目的时候偶尔会遇到这类需求，不能使用OpenCV之类的库来读写图片，比如需要部署到嵌入式环境之类的。网上找了一阵，发现对于jpeg的读写，这两个库很方便。

MXNet C++ Deployment

iOS上的Deployment的sample code, https://github.com/pppoe/WhatsThis-iOS, 介绍: http://haoxiang.org/2016/01/ios-mxnet-demo/ MXNet训练得到的模型有两个文件，XX.json描述网络，XX.params存网络参数。部署的时候最方便的方式是用Amalgamation: https://github.com/apache/incubator-mxnet/tree/master/amalgamation Amalgamation可以把整个MXNet里Prediction相关的代码写到一个很大的C源文件，部署的时候只需要这个C源文件和对应的一个头文件就可以了。 Sample code 在这里 https://github.com/pppoe/mxnet-Cpp-Deployment-Wrapper-Demo

[Code] Mixture-of-Gaussian C++ 实现

一个拟合高斯混合模型(GMM)的C++实现: https://github.com/CVLearner/Mixture-of-Gaussians 只依赖于Eigen，但是因为Eigen可以用到MKL的LAPACK/BLAS实现，所以间接地可以利用MKL加速。相比于OpenCV的实现，一个好处是可以用到多核。所以目前速度尚可，但还有提升空间。感觉上Eigen并没有完全利用到MKL的速度。

[Bug] g++4.6 参数顺序

遇到一个bug, 看起来像是g++-4.6的问题。问题是这样的。这个源文件用到了OpenCV: //< file: test.cpp #include int main (int argc, char** argv) { cv::Mat image; return 0; } 用这样一行命令编译: g++-4.6 `pkg-config --libs opencv` -o test.bin test.cpp 遇到了错误: /tmp/ccs2MlQz.o: In function `cv::Mat::~Mat()': test.cpp:(.text._ZN2cv3MatD2Ev[_ZN2cv3MatD5Ev]+0x39): undefined reference to `cv::fastFree(void*)' /tmp/ccs2MlQz.o: In function `cv::Mat::release()': test.cpp:(.text._ZN2cv3Mat7releaseEv[cv::Mat::release()]+0x47): undefined reference to `cv::Mat::deallocate()' collect2: ld returned 1 exit status 错误的原因应该是g++没有正确的链接到OpenCV的库。各种尝试之后发现只要调换一下参数的位置就可以正常编译 -_-!! 改用这样一行命令编译就没有问题了。 […]

On 2 dimensional array of C++

I was asked about this today. In practice, I rarely use 2-dimensional array, instead I use vector of vectors. To allocate a 2-d array on the stack, a C-style array is int d[2][3]; Then to refer to an element it is like d[i][j]; To make a dynamical allocation, one can NOT write his code like […]

rand函数不可重入

写C代码的时候，srand(int seed) 和 rand() 是常用的伪随机数生成函数。这两个函数的使用方法很简单，但是一个可能被忽略的细节是，rand() 依赖一个内部的、全局的状态变量。所以 rand() 是不可重入，也是不是线程安全的 (thread-safe) 。如果多个线程同时调用 rand() 函数，那么无论你如何使用 srand(int seed) 都无法保证结果是可以重现的。每次运行程序，各个线程中 rand() 函数生成的伪随机数序列都和上次不同。在调试的时候，不能重现的结果会是比较棘手的障碍。幸好，我们可以用C++11 提供的伪随机数生成器 Pseudo-random number generation (这么翻译好机械-_-!)用法很容易在网络上找到，这里有一个最简单的例子。 #include //….. { std::default_random_engine gen(0); int a_random_number = gen(); } default_random_engine维护自己的内部状态，各个线程都用同样的参数初始化default_random_engine，就可以得到一致的伪随机数序列了。

[OpenCV]detectMultiScale

I met a problem when using the interface ‘detectMultiScale’ of OpenCV. The rectangles it gives out may not be fully inside the frame of the original image. As a result, if these rectangles are applied directly on the original image to crop out the detected objects, your programs crash. These are the interfaces virtual void […]

比较变量地址并不可靠

最近云风大牛又在黑我C++，可是在我学会之前，我还是要坚定不移地待在这贼船上。嘿嘿 :] “用比较地址的方法来判断两个变量(的引用)是不是同一个变量是不可靠的”，这个问题很简单，却也容易忽视。现实的情况是这样的。在写Computer Vision实验的时候，因为程序要面临的计算量往往很大，对程序的性能的优化是十分重要的。所以我就写出了这样的代码: void foo_func(Foo& foo) { //< 如果foo和上次传入的是同一个，就省掉一部分重复计算 static Foo *p_foo = NULL; if (p_foo != &foo) { p_foo = &foo; //< 大量计算 } //< 后续计算 } 在实验里，Foo这个类本身往往比较复杂，不可能做内容的逐一比较，同时这个类的实例在初始化之后内容就保持不变。写这个函数的时候没有觉得有什么问题，结果也是正确的。但是，这么做显然是不可靠的。这段代码就说明问题了: #include int main(int argc, char **argv) { using namespace std; for (int i = 0; i < 100; i++) { […]