经典的数据结构问题，在算法导论堆排序的思考题中出现过这种结构的排序求解问题，该问题解法多样，很适合学习。
LeetCode_407: Trapping Rain Water II
一道很有意思的题目，题目是计算容器雨水积累量，实际上是利用广度优先搜索来不断收缩边界，计算雨水的积累。由于博主之前图一类的题目接触的比较少，这道题目看了一眼答案。这篇博客除了介绍这道题目本身，还将介绍stl中的优先队列priority queue，优先队列是广度优先搜索（BFS）必要的辅助。作为编程辅助，后面还顺便介绍了C++11的花括弧初始化。
图像跟踪（九）FCNT语义跟踪
刚有一个idea，用语义分割来做图像跟踪，搜了一下发现已经有人做过了，细细的看了下Paper，和自己相当还不一样。FCN是深度学习语义分割的鼻祖，而这片Paper的名字叫做FCNT，看了之后发现我误会了，此FCN非彼FCN，由于是比较早的算法了，性能和MEEM处于同一层次，不过考虑到这是深度学习方法用于跟踪的重要实践，还是做个笔记好了。
博主认为图像跟踪过程的本质就是语义的跟踪（我是这么理解的），所以，使用语义分割来完成图像跟踪是自然而然想到的。事实上深度学习用于图像跟踪，也就是利用了其深层特征中的语义信息。这篇博客就主要介绍这篇文献：Visual Tracking with Fully Convolutional Networks。
LeetCode_057: Insert Interval
这道题就是区间插入问题，目前看到的解法主要有三种，一种是直接分析区间重叠，具有O(n)时间和O(n)空间复杂度，另一种是用二叉搜索树来做，还有一种是借助了STL库中的equal_range方法来做，写法比较优雅。这篇博客主要给出第一种解法和第三种解法的代码
LeetCode_164: Maximum Gap
经典的线性时间排序问题，题目标签是hard，主要是要求了线性时间内解决问题，那么很自然想到基数排序和桶排序了。除此之外还有一种常用的线性时间排序，计数排序可以看做间隔为1的桶排序，在数字比较集中且可转化为整数时比较有效，因此计数排序不适合本题目。
LeetCode_274: H-index
H指数的计算，这道题是典型的排序思路，博主第一次使用一般的排序方法写，后来发现整数这种用基数排序更合适，同时需要考虑很多特例，博主贴了这两份代码。由于测试案例的原因，基数排序速度上的优势没有体现出来。
目标跟踪VOT2016 BenchMark评价标准介绍
现在比较流行的跟踪Benckmark有OTB、VOT、KITTI-tracking，之前的算法测试都进行在OTB（Visual Tracker Benckmark）上，考虑到现在VOT的流行程度不亚于OTB，并且VOT每一年都会有更新。VOT16并没有更新图像数据，而是更新了标注的方法。这篇博客主要介绍VOT的评价方法，会结合实验数据介绍官方SDK的代码。
算法导论总结（一）之排序C++
博主之前刷过一遍《算法导论》（Introduction to Algorithms），但是看得多写得少，于是最近抽空动手写写下里面的算法。排序是经典问题了，于是决定将书中的排序算法一一使用C++实现。这篇博客一方面是对排序算法本身的总结（这个书上都有啦），另一方面是博主在使用C++实现算法时的一些体会，更多的是算法细节，希望有助于加深对算法的理解的。
Sublime中设置Protobuf语法支持
Sublime是一款优秀的编辑器，强大的拓展使得数十种语法的高亮提示和自动补全成为可能。Protobuf谷歌的数据交换格式，独立于语言，非常易用。在Sublime中可以通过扩展插件的方式设置Proto文件的语法高亮，这对于常常使用Protobuf的开发者有很大帮助。
Leetcode_524: Longest Word in Dictionary through Deleting
笔记：Leetcode 524 Longest Word in Dictionary through Deleting，分类是sort， two pointer，博主的解法比solution中10行的要快一点，事先对词典进行排序，在词典规模大时，博主解法更有优势。
图像跟踪（八）结构化SVM：Struck与SSVM
结构化SVM方法用于跟踪，带来了速度和效果的提升。之前我有一篇讲Struck的博客，但是感觉这个算法没有讲透彻，决定捎带上SSVM再开一篇争取把问题讲清楚。结构化SVM和传统SVM方法相比，有着强大的判别能力，这篇博客将带大家一探结构化SVM在tracking上的应用。
同样是结构化SVM方法，Struck在2015年Pami中进一步加入尺度估计和GPU加速，使得Struck也具有相当的实用性。SSVM与Struck都是结构化预测框架，主要不同在于Struck采用SMO优化迭代求解，而SSVM采用DCD方法求闭式解，使得SSVM在速度上体现优势。
动画制作：MATLAB制作gif，PhotoShop制作gif
gif动画易于制作，相对于视频更小，更易于传播。作为一个程序猿，在使用程序绘图过程中想生成gif动画，可以使用MATLAB生成。当然，MATLAB生成gif动画存在局限性，专业的PhotoShop可以满足你的需要，这篇博客将专门介绍gif动画的制作。
Object Visual Tracker Benchmark 使用教程
2013年Object Visual Tracker Benchmark的提出是视频图像跟踪另一的大事件，自此视频跟踪领域有了公认的Benchmark，跟踪方面的研究与以前已经完全不一样的。虽然下载源码，摸索之后都可以看懂，但是博主还是想系统的介绍其中的工具。官方的SDK可以极大的帮助我们评估算法，产生一些可以直接出现在Paper上的图表。
这篇博客主要介绍如何Visual Tracker Benchmark 中提供的Matlab代码，希望能有所帮助。Python的可以看那些开源的demo，差不多一样的思路。
图像跟踪（六）SRDCFdeno算法：样本净化
SRDCFdeno算法的论文中提出了一种净化样本的方法，虽然挂了SRDCF的名字，但是SRDCF只是BaseLine。这种样本净化的方法可推广性非常强，因为把样本权重融合进了Loss函数，直接在更新样本的时候更新其权重，相对于多专家系统的方法，我更推荐使用这种方法来净化样本。
图像跟踪中像素误差、重叠率、AUC的计算：Matlab实现
视频图像跟踪算法的评估常常需要计算重叠率（Overlap Rate）、像素误差（Pixel Error）还有AUC（Area Under Curve）。这些技术指标都比较好理解，如果不理解的话可以参见我之前的博客。这篇博客主要就是贴上Matlab的代码，使用Matlab计算这些参数，并绘制出曲线图。
如果你是想放在Paper中的话，可以下载Visual Track BenchMark中提供的代码，可以画出和Paper上一样的样式，这篇博客只是博主对单个视频自己写的小demo，便于自己分析实验的，如果要在Paper使用还需要做样式的修改。
Matlab使用interp2裁剪倾斜（旋转）矩形块
在图像处理中，我们常常需要裁剪出图像中的一个矩形块，matlab提供的imcrop函数可以裁剪出矩形块，但是如果我们想裁剪倾斜的矩形块，该函数将无能为力。于是博主贡献了自己的代码。