- 博客(27)
- 收藏
- 关注
RSS订阅转载 从YOLOV1到YOLOV3
YOLOv1YOLOv1把输入图片切分成s×s个grid cell，每个grid cell只预测一个物体。如图所示：黄色grid cell会预测中心坐标点落入其中的这个person物体。注意这里的grid cell只是在图像上看起来是一个方格，实际是原图在经过yolo网络之后会变成s×s的feature map，下图中的一个grid cell经过网络变换之后到最后的特征层变成了一个坐标点。...
2019-08-14 13:38:00
2472
1
转载 C++——虚函数与纯虚函数
虚函数的作用是实现多态性（Polymorphism），多态性是将接口与实现进行分离，采用共同的方法，但因个体差异而采用不同的策略。纯虚函数则是一种特殊的虚函数。虚函数联系到多态，多态联系到继承。所以本文中都是在继承层次上做文章。虚函数1 .定义在C++中，基类必须将它的两种成员函数区分开来：一种是基类希望其派生类进行覆盖的函数；另一种是基类希望派生类直接继承而不要改变的函数。对...
2019-03-21 17:11:41
290
原创 动态规划——背包问题
问题描述：有n个物品，编号1,2,3，、、n，其中第 i 个物品重量为Wi 价值 Vi ，有一个容量为W的背包。在容量允许范围内，如何选择物品，可以得到最大的价值。（为了简单起见，假设物品的重量 Wi 和价值Vi 都是正数）根据取物品的方式，背包问题又可以被分为三类：0/1背包问题(0-1 knapsack problem)这也是最常见的背包问题，对于每个物品，要么取...
2019-03-19 17:02:50
394
转载 【计算机视觉笔记】图像检索学习 (Content Based Image Retrieval)
论文跟踪：Awesome image retrieval papers https://github.com/willard-yuan/awesome-cbir-papers综述：SIFT Meets CNN: A Decade Survey of Instance Retrievalgithub Overview:Guide-CBIR CBIR_LeaderBoard ...
2019-03-18 14:49:45
7547
3
转载 深度学习——Bottleneck Layer
Bottleneck Layer //BottleneckFeatures // Bottleneck Block输入输出维度差距较大，就像一个瓶颈一样，上窄下宽亦或上宽下窄"In order to reduce the number of weights, 1x1 filters are applied as a "bottleneck" to reduce the number ...
2019-03-06 16:42:50
7195
2
转载 机器学习——L1和L2正则化
正则化（Regularization）训练机器学习模型的要点之一是避免过拟合。如果发生过拟合，模型的精确度会下降。这是由于模型过度尝试捕获训练数据集的噪声。噪声，是指那些不能代表数据真实特性的数据点，它们的生成是随机的。学习和捕捉这些数据点让你的模型复杂度增大，有过拟合的风险。正则化是一种回归的形式，它将系数估计（coefficient estimate）朝零的方向进行约束、调整或缩小。也...
2019-03-06 09:17:12
396
原创 深度学习——Batch Normalization
Batch NormalizationBatchNorm的基本思想：能不能让每个隐层节点的激活输入分布固定下来呢？这样就避免了“Internal Covariate Shift”问题了。之前的研究表明如果在图像处理中对输入图像进行白化（Whiten）操作的话——所谓白化，就是对输入数据分布变换到0均值，单位方差的正态分布——那么神经网络会较快收敛BN作者就开始推论了：图像是深度神经网络的输...
2019-03-04 14:21:45
462
转载 深度学习——Internal Covariate Shift与Normalization
转载自https://blog.csdn.net/sinat_33741547/article/details/87158830Internal Covariate Shift与Normalization一、“Internal Covariate Shift”问题什么是“Internal Covariate Shift”？深度神经网络涉及到很多层的叠加，而每一层的参数更新会导致上...
2019-03-04 14:05:07
3153
5
转载 机器学习——SVM
转载自https://zhuanlan.zhihu.com/p/49331510定义Support Vector Machine，简称SVM，支持向量机，是一种二类分类模型，基本模型是定义在特征空间上的间隔最大的线性分类器。SVM的学习策略就是间隔最大化。直观理解图中有分别属于两类的一些二维数据点和三条直线。如果三条直线分别代表三个分类器的话，请问哪一个分类器比较好？我们凭直...
2019-03-04 09:37:47
1954
转载 opencv学习——霍夫变换原理
最近的项目用到了霍夫变换，感觉自己只是会调用函数，并不清楚原理，所以写这篇记录一下霍夫变换中心思想是通过坐标变换来检测直线，后来经过改进，就可以检测椭圆等将特定图形上的点变换到一组参数空间上，根据参数空间点累计的结果找到一个极大值对应的解，那么这个解就对应着要寻找的几何形状的参数（比如说直线，那么就会得到直线的斜率k与截距b，圆就会得到圆心与半径等等）。原始空间到参数空间的变...
2019-03-01 16:19:40
563
原创 指针数组和数组指针
指针数组：array of pointers，即用于存储指针的数组，也就是数组元素都是指针数组指针：a pointer to an array，即指向数组的指针int* a[4] 指针数组 表示：数组a中的元素都为int型指针 元素表示：*a[i] *(a[i])是一样的，因为[]优先级高...
2019-01-12 19:33:01
104
转载 C++中的const和指针组合
1、指针常量const int *p或者int const *pp 是指向常量的指针const在*前，p指向的这个int变量对于*p来说是const的，即不能通过*p改变这个变量的值，但是变量本身可以随便改变自己的值。另外也可以改变p的指向。例：int x=2;int y=3;const int *p=&x;*p=4; //错误，不能通过*p改变变量的...
2019-01-11 19:35:58
157
转载 opencv学习——图像和大型数组类型
cv::Mat类表示任意维度的稠密数组，其数据可以看做是按照栅格扫描顺序存储的n维数组所有的矩阵都包含（1）表示数组类型的元素flag（2）表示维度的元素dims——分别表示行和列的数目的元素rows和cols（dims>2时无效）（3）表示数据真正存储位置的data指针（4）表示该内存区域有多少个引用的refcount元素cv::Mat m;三行十列，数据类...
2019-01-10 17:02:21
264
原创 opencv学习——opencv的数据类型[2]
cv::Rect类矩阵类包含Point类的x,y（矩阵左上角），size类的width和height（矩阵大小）默认构造 cv::Rect r;拷贝构造 cv::Rect r2(r1);数值初始化 cv::Rect r(x, y, w , h);点坐标及大小初始化构造 cv::Rect r(p,sz);两点初始化构造 cv::Rect r(p1, p2);成员访问 ...
2019-01-07 17:11:52
215
原创 opencv学习——opencv的数据类型[1]
基本数据类型模板类：(1) cv::Vec<> 固定向量类（在编译时已知了向量的维度）大部分时间不会直接使用这个形式，而是使用它的别名（typedef）cv::Vec2i, cv::Vec4d......任何cv::Vec{2,3,4,6}{b, w, s, i, f, d}的组合都是有效的b（unsigned char），w（unsigned short）， s（...
2019-01-07 17:01:28
243
原创 opencv学习——cv::pyrDown()， cv::cvtColor()，cv::Canny()
（1）使用cv::pyrDown()创建一个新的图像，其宽和高均为原始图像的一半int main() { cv::Mat img1, img2; cv::namedWindow("Example1", cv::WINDOW_AUTOSIZE); cv::namedWindow("Example2", cv::WINDOW_AUTOSIZE); img1 = c...
2019-01-07 15:47:59
1805
原创 opencv学习——图像平滑处理
输入图像被5*5大小的高斯卷积核模糊高斯卷积核的大小必须是奇数#include <opencv2/opencv.hpp>void example(const cv::Mat & image){ cv::namedWindow("Example_in", cv::WINDOW_AUTOSIZE); cv::namedWindow("Example_o...
2019-01-06 19:27:52
459
2
转载 训练集、验证集和测试集
训练集、验证集和测试集这三个名词在机器学习领域极其常见，但很多人并不是特别清楚，尤其是后两个经常被人混用。在有监督(supervise)的机器学习中，数据集常被分成2~3个，即：训练集(train set)，验证集(validation set)，测试集(test set)。 Ripley, B.D（1996）在他的经典专著Pattern Recognition and Neural Networ...
2018-06-13 14:59:13
1355
原创 tensorflow——变量与命名空间
在tensorflow里，有两种命名空间和两种变量声明函数：with tf.name_scope() as scopewith tf.variable_scope() as scopetf.get_variable()tf.Variablename_scope: 为了更好的管理变量的命名空间而提出，比如在tensorboard中，因为引入name_scope,Graph看起来才会井然有序va...
2018-06-13 10:47:15
671
原创 TensorBoard 简介及使用流程
添加记录节点 -> 汇总记录节点 -> run汇总节点 -> [书写器生成]书写入文件 [-> 刷新缓冲区]一、TensorBoard 简介及使用流程1、TensoBoard 简介TensorBoard 和 TensorFLow 程序跑在不同的进程中，TensorBoard 会自动读取最新的 TensorFlow 日志文件，并呈现当前 TensorFLow 程序运行的最新状...
2018-06-12 14:58:03
778
原创 tesorflowr入门之基本概念介绍
Hello World：import tensorflow as tfhello = tf.constant("hello world")sess = tf.Session()print(sess.run(hello).decode('utf-8'))概念介绍：1. placeholder（占位符）此函数可以理解为形参，用于定义过程，在执行的时候再赋具体的值tf.placeholder(d...
2018-06-11 20:54:55
1907
原创 SLAM中的回环检测和深度学习结合
最近做的一个课题是将SLAM中的回环检测和深度学习结合。看了几篇相关的论文，发现目前相关研究主要分成两个方向，一个是大部分人做的，通过卷积神经网络来学习图像的特征，进行回环的检测。另外一种是高博的两篇论文，通过自编码器非监督式学习图像的特征。附下论文地址：Unsupervised learning to detect loops using deep neural networks for vis...
2018-04-11 10:26:09
5197
5
原创 windows10+VS2015+CPUonly+Caffe安装 填坑！！！
准备工作：安装VS2015（网上基本上都是2013，我的电脑里之前装好的是2015，所以按照这个版本试一下）Cmake 3.11.0Python 2.7（我的电脑上原来安装了python3.6，参考了这篇博客 http://blog.csdn.net/dream_an/article/details/51248736 ，使python2,3共存）cpu，不用安装cuda下载caffe 地址 caf...
2018-03-06 16:33:01
3502
1
原创 SLAM入门之ORBSLAM2代码解析（一）代码入口 System.cc
System.cc是整个系统的主接口通过构造函数system()对SLAM系统初始化，传入ORB字典文件路径、配置文件路径、传感器类型System::System(const string &strVocFile, const string &strSettingsFile, const eSensor sensor, const bool bUseV...
2018-02-26 19:48:19
3472
1
原创 SLAM入门之ORBSLAM2代码理解——系统框架
ORBSLAM是目前SLAM开源框架中基于特征点视觉的一个里程碑式的成果。它将整个SLAM过程划分为三个线程：（1）tracking线程：追踪，它是整个系统数据流入的开端，也是VO视觉里程计的过程（2）local mapping线程：局部地图构建（3）local closing线程：回环检测三个线程分别存放在对应的三个文件中，分别是Tracking.cpp、LocalMapping.cpp和Loo...
2018-02-26 16:30:50
877
原创 SLAM入门之ORBSLAM2编译与运行
从定下来研究方向是视觉SLAM到现在，一直都是这里看一点东西，那里看一点东西，看完又很快就忘记了，没有一个系统的有明确目标的学习。所以，决定利用写这个博客来督促自己的学习与研究。 SLAM当中涉及的东西很多，想要把它研究透是一件很庞大的事。我打算先从ORBSLAM开始进行深入，对它的代码逻辑深入理解。目前有很多大神都对ORBSLAM的代码进行了解读，而我作为一个入门小菜菜，打算从最基础的开始...
2018-02-26 15:17:49
1856
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人