8 理想002

尚未进行身份认证

电子科大研三

等级
TA的排名 10w+

ORBSLAM2+VS2013+windows7

ORBSLAM2算是基于视觉的SLAM开源框架中效果比较好的了,同时由于项目的需要,便尝试在windows下配置安装ORBSLAM2。1.源码下载官方的源码是linux下的,直接拿来编译不通过,得修改CMakelists.txt和源码中的一些linux函数,比较麻烦,所以直接下载别人修改好的要快很多,比如:https://github.com/phdsky/ORBSLAM24Windows2

2017-03-04 15:37:08

Winfows下Tensorflow配置与学习

虽然tensorflow在ubuntu下可以正常使用,但是经常重启切换还是不方便,于是尝试在windows下安装tensorflow,调用python接口进行学习编程。1.Python安装安装anacondapython4.3.0.1windows7下anaconda的python还是比较方便的。官网提供pyhon2.7的版本和python3.6的版本。windows7下这两个版本都比较

2017-03-04 15:00:58

FastRCNN ubuntu14.04 GPU下配置

FasterR-CNN-pythonubuntu14.04GPU下配置最近想开始学习一下深度学习的开源库,便以fasterRCNN进行入手学习。废话不多说,开始安装。1.安装caffe所需的依赖项需要说明一下,caffe是一个开源库,而fasterRCNN-py则是基于caffe源码修改后的一个实现fasterRCNN的库,因此fasterRCNN本身运行与官方caffe库没关系,只要编

2017-02-26 17:57:15

Ubuntu14.04下tensorflow源码安装,运行flaybird

参考http://blog.csdn.net/xljiulong/article/details/51305392http://blog.csdn.net/autumnqin/article/details/50073425http://blog.csdn.net/helei001/article/details/51285951http://blog.csdn.net/mydear_1

2017-02-21 11:23:37

CAFFE 在windows平台的使用

CAFFE在windows平台的使用是时候跟进一下深度学习框架的使用方法了。先从caffe下手。caffe安装caffe的安装方式有两种,第一种是自己编译源码的安装方式,第二种是下载编译好的库,包含了依赖项等各个包。如果需要对源码进行修改并加以使用的话,编译源码的方式安装比较好,我这里仅仅使用,暂不修改,直接下载caffe的github上对应的windows分支下的版本。https://git

2017-02-04 16:55:51

cartographer_ros+Ubuntu14.04 安装

cartographer_ros+Ubuntu14.04安装最近接手SLAM这块相关的工作,进行了非常浅显的研究。最近谷歌开源了cartographer库,基于雷达数据进行室内场景地图重建。抱着试一试的心理,安装了cartographer和cartographer_ros。主要步骤包括:Ubuntu基本设置安装ROS_Indigo安装Cartographer_ROS*安装Cartograph

2016-12-13 18:39:47

Windows/Linux平台编译Caffe,不依赖GPU模式

对caffe深度学习框架早已深有耳闻,以前用过deeplearningtoolboxmaster的matlab代码跑CNN,现在感觉落伍了,还是得学习一下caffe才行。1.最开始想在windows平台安装caffe,由于多数编程在VS2013下,想图个方便,便从网上找了不少的教程,如http://www.bubuko.com/infodetail-902302.html,是一个中文

2016-03-02 19:05:28

VS2013编译OGRE,只成功编译1.8的版本

半年前需要用OGRE,由于自己一直用的VS2013编译器,而OGRE官方并没有发布VS13版的公开库,如果需要只能自己编译,便用VS2010版的代替了。现在还是需要里面的功能,只能自己想办法弄个VS2013版的OGRE的库了。1.别人编译的VS13+OGRE的库,这个在百度上都能搜到,但是添加到项目之后,运行老出错,看错误类型是库函数找不到函数入口啥的,应该是lib有问题。这个方法放弃了。

2015-12-11 09:18:04

2016校招求职经验

从今年8月开始到11月,为忙碌了整整四个月,失败了很多次,最终找到了一家比较对口的公司,也算为求职季画上了句号。因此便总结一下面试方便的经验和经历吧。其中这几个月主要找的工程方向为软件类。一、方向选择:求职过程中发现对于IT类大部分公司,招聘的岗位是有一下几类:技术类、非技术类。其中技术类C++工程师、JAVA工程师、前端开发工程师、后台开发工程,测试工程师、算法工程师等几个大类。一般

2015-11-30 19:42:48

数字图像处理知识体系小结(转)

在浏览博客是看到一篇文章,对图像处理领域的算法和理论总结的很到位,便转载了过来。本文转自http://blog.csdn.net/hitwengqi/article/details/8292675   狂奔的蜗牛站得高,才能看得远!花了点时间整理了一下数字图像处理知识体系,从宏观上把握图像处理,使自己的学习思路就更加清晰。1.本文大部分内容来自:http://

2015-10-05 15:43:47

关于malloc、free、new、delete以及calloc、realloc基本库函数与运载符的含义

在求职的笔试中,发现对malloc、free、new、delete的考察很多,同时也考到了没见过的alloc、realloc库函数,因此还是把这些知识点记录下来,以后方便查阅。一、malloc和freemalloc和free都是c语言的库函数,一般在stdlib.h中,主要用来进行一段动态内存的分配,包括申请和释放。malloc的函数原型为Void*malloc(size_tsiz

2015-09-29 09:15:18

LIBSVM使用手册与机器学习中几个常见观点

最近复习的时候看到了机器学习中的一些不好解决的问题,都是相关的,于是看了一下LIBSVM的官方手册和《AFewUsefulThingstoKnowaboutMachineLearning》这篇文章,发现其中的一些观点确实是很有实际的指导意义,而这些从教科书上是看不到的。因此拿来记录一下。一、libsvm的手册1.SVM的基本公式:如下图所示,C为惩罚因子,Φ(x)为

2015-08-31 21:16:39

软件技术基础知识复习

一、引言随着找工作的不断深入,发现在算计技术基础这块基本上是空白,看来还是得看书复习一下。软件技术基础一般包括数据结构、操作系统、软件工程方法、数据库和计算机网络。而这其中的每一部分知识点,都可以看做一本教材了。如果是计算机出身,或寻找软件开发方向的工作,这部分的知识,每个单独看一本书是有必要的,但是对于算法工程师,还是稍微简要的了解最基础的知识就可以了。数据结构与编程靠的比较紧密,前

2015-08-27 14:36:18

图像处理算法回顾基本框架

一、引言接触图像处理、计算机视觉这个领域已经有两年了,感觉有必要对自己所了解的知识点进行简单的总结与概括,其实也就是复习一下,更好的面对找工作时可能问道的问题。计算机视觉的知识点相对比较庞大,如果没有在特定的领域有项目或经验,那一些知识还是比较陌生的,同时没有去再看了,因此大部分的知识是图像处理相关的。二、计算机视觉概念1.计算机视觉、计算机图形学、数字图像处理的区别:

2015-08-16 14:14:19

从决策树到RF,以及boosting Adaboost到GBDT算感悟

一、原因:自从毕设方向定下来之后,准备学习一下机器学习中基于树模型的分类与回归算法,变看了很多的算法介绍与论文,同时也找了一些现有的库去运行。最后又设计到级联式回归,自从看了GBDT后才发现其实就是GBDT的一种变种算法。因此一路下来看了不少算法,明白了它们之间的基本关系与算法的简单原理。在此记录一下,以后也方便的查看。二、决策树大类算法:1.决策树:ID3:分裂规则为信息增益

2015-08-16 13:39:40

数据结构知识点复习

一、综述:数据结构作为软件开发的必须基础,不仅实用,一般找工作时也常常考到。因此写篇文章,梳理一下数据结构这个知识点的基本框架与结构。 二、基本数据结构:1.数组:c语言数组vector2.链表:单链表双向链表环形链表3.栈:程序栈4.队列:双端队列有限队列 5.字符串5.队列7.树:二叉树:二叉排序树:二叉堆

2015-08-05 23:28:00

复习SVM的基本知识

(基本大纲)一、SVM概念1.函数间隔;2.几何间隔:相当于将到超平面的距离归一化为1了二、具体模型1.线性可分的SVM (属于理想情况下,存在这个超平面)a.硬间隔最大化的线性可分SVM;b.对偶类型的SVM模型;拉个朗日函数支持矢量:落在间隔边界的样本点,成为支持矢量,决定着整个超平面的划分;间隔边界:wx+b=1和wx+b=-1间隔:2/||w|

2015-08-05 11:05:24

机器学习算法总结(目录框架)

一、基本概念与原理: 1.学习的概念与类型:系统在执行过程中能改进性能;包括有监督、无监督、半监督、增强学习等。2.学习的三要素:模型(产生式、判别式(包括概率分布与决策函数模型))策略(期望风险最小化(往往采用经验风险最小化处理)与结构风险最小化(进行正则化))、算法(最优化算法,求解最优模型)。3.基本问题类型:分类、回归、标注、推荐、聚类、离群点分析等。4.基本评估:训练误

2015-08-03 19:35:13

基本排序算法总结

准备找工作了,开始看数据结构。看到了排序算法,写个基本的算法原理与总结,方便查看。前提:数组sque[N];,排序结果为小元素在前,大元素在后。1.冒泡排序算法思想:不断通过相邻元素两两比较,并进行多次交换,来对数组的元素进行排序。对于当前元素位置i,从尾部n向i方向开始进行相邻的两两比较,当坐标大于右边时进行交换,否则跳过(continue)。结束后i+1并继续循环。属

2015-07-03 17:22:10

OGRE骨骼动画与四元数旋转

一、操纵骨骼点的骨骼动画最近在用OGRE库做三维模型动画,根据OGRE动画类型的具体分类,我做的是骨骼动画,而不是节点动画、定点动画等类型。此外对于骨骼动画,一般常见的方式是将创作好的动画帮顶到骨骼节点上,再为每个骨骼创建关键帧,然后刷新显示。具体的实现代码,网上有现成的博客里有,我也学习到很多。但是我其实需要的动画,只是人为的在每帧去控制骨骼点进行旋转、平移等操作,以此实现骨骼动画,每一

2015-05-12 17:59:51

查看更多

勋章 我的勋章
    暂无奖章