hog,都是猪hog和pig的区别在哪

hog
n.
肥(公)猪, 贪婪者
v.
(使)拱起

[英汉] 现代英汉词典
肉猪...
[五国语言]建筑学专业词典
[英语]hog...
[英汉] 英汉船舶大词典
n.清扫船底用帚 ...
[英汉] 英汉化学大词典
vt.使...拱曲;n.弯拱,挖土工人,弯拱 ...
[英汉] 英汉海运大词典
(船底或龙骨)中拱清扫船底用帚，船底长扫帚帮龙骨(木船) ...
[英汉] 英汉计算机大词典
vt.使...拱曲;n.弯拱(挖土工人) ...
[英汉] 英汉机械大词典
n.拱曲,干扰 ...
[英汉] 英汉建筑大词典
n.拱,弯拱,土工 ...
[英汉] 英汉农牧林大词典
n.猪,大猪,肉猪 ...
[英汉] 新英汉石油技术词典
弯拱；纸浆桶搅拌器；〔使〕向上拱曲；缩粒机 ...
[英汉] 英汉水利大词典
n.弯拱,弯头,软管 ...
[英汉] 英汉石油大词典
n.弯拱 ...
[英汉] 英汉冶金大词典
n.弯拱,软管 ...
[英汉] 英汉中医大词典
n.猪 ...
近义词：glutton pig swine

1、pig 是常用词, 指“猪”、“小猪”、“猪肉”, 如:
roast pig
一般不带什么感情色彩

因为有引申意义的情况下：PIG 没有感情色彩的猪，就是一头猪，一个物体。HOG 作为名词时有贬义，贪婪，肮脏，粗鄙，像个猪。例如，说某人是hog，就是在嘲笑他的吃相难看，或者长相粗俗，举止不雅。 PIG和HOG都是猪的意思，无引申意义的情况下， 这两个词都是猪。美国人更喜欢用hog。另外，hog一般表示特供食用的猪，而pig则只是泛指猪。 pig除了“猪”的本义之外，说来遗憾，其他的意思多属负面。若用来形容人，常指讨厌、肮脏、自私、贪婪、贪吃的人，如以下例句所示： You're such an arrogant pig!你真是个傲慢的猪猡！ 扩展资料： 另外，hog有很多习惯用语，例如：live high off the hog，本意是上好的肉类食品（像火腿，排骨之类，都来自猪身的上半部分），引申为生活过得很宽裕。 例句：With the kids out of the nest, at long last they can live high off the hog. First they'll take a long tour around the world and then buy a house in Florida near the beach. 孩子们都离家独立后，他俩终于可以过上宽裕舒心的日子了。首先他们打算来个环球旅行，然后再在佛罗里达海滨买栋房子。 第二个带有hog这个词的习惯用语是go whole hog，“竭尽全力干到底”。例句： Sure, it's expensive but I decided to go whole hog. We ate in the best places and saw the top Broadway Shows. Okay, I spent all my money but the family had a wonderful time! 那次度假花费很大，但是我决定干脆彻底地玩一次：我们在最豪华的饭馆吃饭，还看了一流的百老汇歌舞剧。我的确把钱都花了个精光，但是全家玩儿得可真痛快。

一焦耳表示的物理意义：对于物体做功来讲意义是：物体在1N的力作用下在力的方向移动了1m。物体在1N的力的方向上移动了1米。 为了纪念英国物理学家焦耳才将功的单位命名为焦耳的。 一焦耳也就相当于一牛米。机械功：1N的力使1个物体运动了1M，就是1焦。 其他的都要很复杂1牛顿力的作用点在力的方向上移动1米距离所作的功，即1J=1N·m焦耳是功的单位，1焦耳等于1牛乘以1米的距离。没有距离就没有做功。 1牛顿力的作用点在力的方向上移动1米距离所作的功，即1J=1N·m。 扩展资料： 焦耳（Joule），热量（heat）的公制单位，简称“焦”，为了纪念英国著名物理学家詹姆斯·普雷斯科特·焦耳而创立的。 焦耳能量和机械功的衍生单位，在经典力学里，1焦耳等于施加1牛顿作用力经过1米距离所需的能量（或做的机械功）。 在电磁学里，1焦耳等于将1安培电流通过1欧姆电阻1秒时间所需的能量。1瓦的机械工作1秒的释放的能量为1焦耳。 参考资料来源：百度百科-焦耳

1。条件码标志位
OF（overflow flag）溢出标志
SF（sign flag）符号标志
ZF（zero flag）零标志
CF（carry flag）进位标志
AF（auxiliary carry flag）辅助进位标志
PF（parity flag）奇偶标志
2。控制标志位
DF（direction flag）方向标志
3。系统标志位
TF（trap flag） 陷阱标志
IF（interrupt flag） 中断标志
IOPL（I/O Privilege Level）I/O特权级
NT（Nested Task）嵌套任务标志
RF（Resume Flag）重新启动标志
VM（Virtual 8086 Mode）虚拟8086模式位
AC（Alignment Check Mode）对准检查方式位
VIF（Virtual Interrupt Flag）虚拟中断标志
VIP（Virtual Interrupt Pending Flag）虚拟中断未决标志
ID（Identification Flag） 标识标志

（1）准备训练样本集合；包括正样本集和负样本集；根据机器学习的基础知识我们知道，要利用机器学习算法进行样本训练，从而得到一个性能优良的分类器，训练样本应该是无限多的，而且训练样本应该覆盖实际应用过程中可能发生的各种情况。（很多朋友，用10来个正样本，10来
个负样本进行训练，之后，就进行测试，发现效果没有想象中的那么好，就开始发牢骚，抱怨。。。对于这些人，我只能抱歉的说，对于机器学习、模式识别的认
识，你还处于没有入门的阶段）；实际应用过程中，训练样本不可能无限多，但无论如何，三五千个正样本，三五千个负样本，应该不是什么难事吧？（如果连这个
都做不到，建议你别搞机器学习，模式识别了；训练素材都没有，怎么让机器学习到足够的信息呢？）

（2）收集到足够的训练样本之后，你需要手动裁剪样本。例如，你想用Hog+SVM来对商业步行街的监控画面中进行行人检测，那么，你就应该用收集到的训练样本集合，手动裁剪画面中的行人（可以写个简单程序，只需要鼠标框选一下，就将框选区域保存下来）。

（3）裁剪得到训练样本之后，将所有正样本放在一个文件夹中；将所有负样本放在另一个文件夹中；并将所有训练样本缩放到同样的尺寸大小。OpenCV自带的例子在训练时，就是将样本缩放为64*128进行训练的；

（4）提取所有正样本的Hog特征；

（5）提取所有负样本的Hog特征；

（6）对所有正负样本赋予样本标签；例如，所有正样本标记为1，所有负样本标记为0；

（7）将正负样本的Hog特征，正负样本的标签，都输入到SVM中进行训练；Dalal在论文中考虑到速度问题，建议采用线性SVM进行训练。这里，不妨也采用线性SVM；

（8）SVM训练之后，将结果保存为文本文件。

（9）线性SVM进行训练之后得到的文本文件里面，有一个数组，叫做support vector，还有一个数组，叫做alpha,有一个浮点数，叫做rho;将alpha矩阵同support vector相乘，注意，alpha*supportVector,将得到一个列向量。之后，再该列向量的最后添加一个元素rho。如此，变得到了一个分类器，利用该分类器，直接替换opencv中行人检测默认的那个分类器（cv::HOGDescriptor::setSVMDetector()），就可以利用你的训练样本训练出来的分类器进行行人检测了。