2 Veropatrinica

尚未进行身份认证

暂无相关简介

等级
TA的排名 6w+

简单实例理解Unity世界坐标和局部坐标下四元数旋转(四元数乘法)

Unity四元数为了避免万向节死锁的问题,Unity中一般用四元数来表示物体旋转。Unity为物体旋转提供了各种API,例如RotateAround、Rotate、LookAt等方法,本文主要介绍用四元数乘法表示旋转的方法。四元数的乘法可以看做对一个物体施加两次旋转,最终的旋转角度由这两次旋转角度决定,旋转的顺序对旋转的结果会产生影响(q1*q2≠q2*q1),因为四元数乘法的本质是矩阵的乘法...

2020-01-14 14:37:40

Unity实现向量跟随/旋转跟随

最近想对人物骨骼做一些旋转操作,但遇到了写问题,于是研究了一下如何在unity中实现向量跟随/旋转跟随问题定义以存在两对节点ParentJoint_master和ChildJoint_master,ParentJoint_slave和ChildJoint_slave,ChildJoint作为ParentJoint的子物体,希望实现ParentJoint_slave和ChildJoint_sla...

2019-12-23 14:32:08

Ubuntu下openMVG+openMVS实现三维重建

三维重建简介三维重建是一个计算机视觉领域经典的问题,近年来也出现了许多利用深度学习直接从图像中得到网格的方法,取得了很好的效果。本文主要关注三维重建的经典实现方法,其步骤为:通过相机获取一系列三维物体不同侧面的图片对相机的内外参数进行标定对图像中的特征进行提取(如SIFT、SURF等)从匹配得到的信息中构建三维稀疏点云根据稀疏点云进行稠密点云重建对点云进行预处理(如去噪、下采样等)...

2019-11-22 11:13:48

将公式图片转word公式

本文基本实现的基本思路是:将图片中公式转换成LaTex公式,再将LaTex公式转换为word自带公式一、图片中公式转换成LaTex公式1.下载并安装mathpix2.Ctrl+Alt+M截取公式图片,获取LaTex公式二、将LaTex公式转换为MathType公式1.下载并安装MathType...

2019-05-09 17:33:04

win10下C++(VS2015)调用Python3.6(Anaconda)

最近要将神经网络放到编码器中,于是研究了一下C++调用Python的代码。一、API主要用到的API如下:/*PyImport_ImportModule: 加载python模块*szModuleName: 模块名称*返回值: 成功加载返回模块指针*/PyObject *PyImport_ImportModule(const char *szModuleName);/*PyMo...

2019-04-01 19:33:25

CNN笔记(CS231N)——强化学习(Reinforcement Learning)

强化学习我们之前讲了监督学习跟无监督学习,这一讲我们采用一种全新的思路来解决问题叫做强化学习。强化学习的目标是让代理学会采取动作来最大化奖励函数下面是强化学习的一些例子我们怎么样对这个问题进行建模呢?我们可以把这个问题看做一个马尔科夫链目标函数是从头到尾的奖励加权相加对于π是固定的,那么怎么解决随机性的问题呢?方案就是采用数学期望来平均这些随机性由于...

2019-02-24 10:30:21

CNN笔记(CS231N)——生成模型(Generative Models)

总览之前我们讲的网络模型都是监督学习,这一讲我们要讲的是无监督学习。以下是本讲的总览无监督学习与监督学习最大的不同就是我们只有数据,没有任何多余的标注,我们要做的就是学习数据中隐藏的某些结构。而生成模型就属于无监督学习的一种生成模型生成模型的目标是给定训练数据,希望能获得与训练数据相同的新数据样本。我们的目标是找到训练数据的分布函数生成模型在很多场景有非常好的应用...

2019-02-22 13:34:48

CNN笔记(CS231N)——网络可视化与理解(Visualizing and Understanding)

网络可视化与理解神经网络对于我们来说就像一个黑盒子,我们有一对输入输出就能对网络进行训练,而不知道内部究竟发生了什么,于是一些研究者开始研究网络内部究竟学习到了什么特征。以下就是一些常用的网络在第一层的卷积核,代表在输入图像中寻找类似的特征,例如边、角、特定方向的线等等由于网络第一层的卷积核深度是3维的,因此我们可以将其作为RGB图来看待,而对于深层的网络,卷积核深度不止是3维,那么我...

2019-02-14 22:11:33

CNN笔记(CS231N)——图像检测与图像分割(Detection and Segmentation)

图像检测与图像分割我们之前讲的都是图像分类的问题,在这一讲我们要介绍一些其他的计算机视觉中的问题,例如图像检测与图像分割。我们主要介绍一下四个部分:图像分割、分类+定位、多目标检测、多目标实例分割语义分类第一部分是语义分类。我们需要给每个像素都输出一个值,来代表这个像素属于某一个分类一种传统的方法就是用滑动窗口不断在输入图像上滑动, 然后输出窗口中央的像素属于哪一类。这种方...

2019-02-14 15:24:00

CNN笔记(CS231N)——循环神经网络(Recurrent Neural Networks)

递归神经网络上一讲讲了CNN的架构,那么当我们把时间这个维度考虑进来了以后,我们就得到了递归神经网络(RNN)。RNN的输入输出可以是一对多、多对一、多对多,分别对应不同的应用场景RNN的核心部分是如下公式,旧状态+当前输入,经过一个函数,得到了新状态,新状态会被送到下一个时候参与运算。我们的这个函数fw在不同时间是固定的。普通RNN一般来说这个fw函数是tanh函数,W是...

2019-02-13 21:24:49

CNN笔记(CS231N)——CNN架构(CNN Architectures)

CNN架构这一讲主要介绍了一些常用的CNN架构,例如AlexNet、VGG、GoogleNet等AlexNetAlexNet是一个八层的卷积神经网络,它是第一个采用ReLU激励函数的神经网络由于当时内存限制,在这个网络中,同一卷积层被分为两个部分放在两个GPU中分别计算。在1、2、4、5层只计算本GPU中的特征图,在3、6、7、8层中将两个GPU中的特征图放在一起计算...

2019-02-11 20:01:33

CNN笔记(CS231N)——深度学习软件(Deep Learning Software)

深度学习框架我们在使用CNN的时候往往会采用深度学习框架来减小我们的工作量,以下是现在常用的一些深度学习框架深度学习框架有以下意义下面让我们来看看如果我们用numpy从头构建一个计算图是怎么样的,我们可以看出它有以下两个问题:不能在GPU上运行以及梯度需要我们手动计算我们采用深度学习的框架可以很好的解决以上问题:让程序在GPU上运行仅仅需要一行代码,以及程序可以自动为我...

2019-02-09 16:25:37

CNN笔记(CS231N)——训练神经网络II(Training Neural Networks, Part 2)

训练神经网络我们接着上一讲继续,这一讲主要讲的是优化、正则化与迁移学习高级优化我们首先来看看传统的随机梯度优化有什么问题,如果损失函数在一个维度上梯度比较小,在另一个维度上梯度比较大,那么这种情况下就会出现沿着梯度小的维度变化缓慢,另一个方向变化迅速,出现如下图这种震荡现象导致收敛缓慢除此以外就是局部最小值与驻点的问题,局部最小值在多维特征的情况下出现的几率比较小,最常见的是驻...

2019-02-01 10:46:16

CNN笔记(CS231N)——训练神经网络I(Training Neural Networks, Part I)

训练神经网络我们先来看这部分内容的综述,主要介绍了在训练网络中的一些基本方法与基本概念激励函数(Activation Functions)首先我们来看看神经网络用的激励函数之间的对比Sigmoid函数主要有一下三个问题,第一是函数存在饱和区,这部分函数梯度基本为0,导致权重不会变化;第二是函数输出不是以0为中心;第三是指数函数计算量比较大对于第二点我们重点说说,假如...

2019-01-31 09:41:23

CNN笔记(CS231N)——卷积神经网络(Convolutional Neural Networks)

卷积神经网络如今卷积神经网络已经应用到生活的方方面面我们上次讲了全连接层,全连接层一般作为卷积神经网络的最后一层卷积层下面我们来看卷积神经网络中最常用的结构:卷积层。由于输入图片的像素很多,如果我们将每个像素进行全连接的话那我们需要学习十分多的权重,这样不仅需要非常多的训练数据,还可能出现过拟合的问题。因此我们采用的结构是定义一个卷积核,让这个卷积核在图片上进行卷积操作...

2019-01-28 09:29:01

CNN笔记(CS231N)——反向传播和神经网络(Backpropagation and Neural Networks)

反向传播计算图由于神经网络结构复杂,我们可以采用计算图的形式来把损失函数表示出来,进而利用反向传播算法计算出损失函数对每个权重的偏导数以下是具体的一个例子,具体过程就是先利用前向传播求出输出的值,再利用反向传播来求出输出对每个中间量的偏导,再利用链式法则求出输出对输入的偏导把以上过程抽象出来可以写成如下的形式以下是一个稍微复杂一点的例子在反向传播中不同的门对...

2019-01-25 22:08:25

CNN笔记(CS231N)——损失函数与优化(Loss Functions and Optimization)

损失函数我们之前讲了我们对于一张图片,我们对其进行打分,代表它被分为某一类的可能性,那么我们需要建立一个损失函数来对这个分类器的好坏进行衡量我们定义SVM损失函数有如下形式。SVM只是一个二元分类器,我们将其进行推广到多元的情况,定义了SVM损失函数。我们将正确类的打分与其他类打分做差,如果差值大一某个阈值(在下图例子中阈值为1),则损失函数为0,;若小于阈值,我们将损失函数定义为二者...

2019-01-24 23:37:33

CNN笔记(CS231N)——图像分类(Image Classification)

图像分类如果我们想训练一个图像分类器,我们很难想出一个具体的算法步骤将每幅图片都能正确的分类,那么这种情况下我们可以采用数据驱动的方法,利用机器学习来训练分类器KNN一种方法是把全部数据和标签记下来,然后对于一组新的数据,我们去寻找最相近数据的标签作为预测标签那么我们如何去定义所谓的“相近”呢?一种方法是用L1距离,简单的描述了对应像素值的差如果我们站在一个高维的角...

2019-01-23 21:28:13

机器学习笔记——大规模机器学习(large scale machine learning)

大规模机器学习大规模机器学习指的是训练样本数量非常大的情况。随机梯度下降我们在用梯度下降求解代价函数的最小值时我们每一次迭代都要让所有数据都参与一次运算,因此我们也将其叫做批梯度下降(batch gradient desent),这样带来的运算量将会非常大为了解决这个问题,我们可以采用随机梯度下降(stochastic)算法,每次θ更新只将一个数据纳入样本计算,这样相当于每次更...

2019-01-01 17:45:19

机器学习笔记——推荐系统(recommender system)

推荐系统我们在平时最常见的就是某个网站给你推荐广告,豆瓣给你推荐电影,网易云给你推荐你喜欢的歌,这种系统我们统一称作推荐系统基于内容的推荐我们举一个电影打分的例子我们可以为某一部电影选定特征,不同人对不同的特征有不同的偏爱特性,借此我们可以预测某个人对某部特定电影的打分,输入x是某部电影的特征,θ是某个人对电影特征的偏爱参数以下是该问题的一些参数因此对于给定电影...

2019-01-01 12:09:58

查看更多

勋章 我的勋章
  • GitHub
    GitHub
    绑定GitHub第三方账户获取
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 1024勋章
    1024勋章
    #1024程序员节#活动勋章,当日发布原创博客即可获得
  • 勤写标兵Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。