- 博客(141)
- 资源 (4)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 STL剖析笔记
序列式容器元素可序，但未必有序。vectorvector的数据结构与array相似，不同在于array是静态空间，一旦配置了内存空间就不能改变，如果要更换内存大小，需要配置一个新空间，然后将元素从旧地址一一搬到新地址，再把原来的旧空间释放。而vector是动态空间，新加入元素时，会自动扩充空间以容纳新元素。vector源码// 默认allocator为alloc, 其具体使用版本请参照<st...
2018-02-26 16:17:53
512
1
转载 小米面试题看并查集
首先，我们从一道题来引出这个问题。假如已知有n个人和m对好友关系（存于数字r）。如果两个人是直接或间接的好友（好友的好友的好友…），则认为他们属于同一个朋友圈，请写程序求出这n个人里一共有多少个朋友圈。假如：n = 5，m = 3，r = {{1 , 2} , {2 , 3} , {4 , 5}}，表示有5个人，1和2是好友，2和3是好友，4和5是好友，则1、2、3属于一个朋友圈，4、5属于另一个...
2018-02-09 10:26:33
605
原创 什么时候神经网络可以接受任意的输入？
首先要搞清楚这个事情的源头，在迁移学习中，要进行模型迁移，一般都会把预训练模型的后面的全连接层去掉，然后用新的数据集训练，得到自己特色的模型。我们知道卷积其实是体征提取的过程，图像再进行卷积的时候，因为每一个卷积核中权值都是共享的，因此无论输入图像的尺寸是多大的都可以都是按照步长滑动做卷积，只不过都是经过卷积运算，不同大小的输入图片提取出的卷积特征的大小也是不同的。所以卷积层很友好，它是不会限
2018-02-06 18:00:14
781
2
转载 tensorflow--tf.nn.softmax_cross_entropy_with_logits的用法
在计算loss的时候，最常见的一句话就是tf.nn.softmax_cross_entropy_with_logits，那么它到底是怎么做的呢？首先明确一点，loss是代价值，也就是我们要最小化的值tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None)除去name参数用以指定该操作的name，
2018-01-25 13:31:45
400
转载 讲清楚了反卷积
搞明白了卷积网络中所谓deconv到底是个什么东西后，不写下来怕又忘记，根据参考资料，加上我自己的理解，记录在这篇博客里。先来规范表达为了方便理解，本文出现的举例情况都是2D矩阵卷积，卷积输入和核形状都为正方形，x和y轴方向的padding相同，stride也相同。记号： i,o,k,p,s 分别表示：卷积/反卷积的输入大小 input size，卷积/反卷积输出大小 out
2018-01-23 13:53:03
3651
转载 神经光流网络——用卷积网络实现光流预测（FlowNet: Learning Optical Flow with Convolutional Networks）
目录目录文章说明光流原理神经光流网络结构介绍1 收缩部分网络结构flownetsimple结构flownetcorr结构2 放大部分网络结构训练数据集1 flying chairs数据集实验与结果分析Flownetsimple与Flownetcorr对比1 文章说明这周学习了一篇文章，文章的名字
2018-01-02 10:04:14
10063
2
转载 目标检测的非最大值抑制-NMS
object detection[NMS][非极大抑制]非极大抑制，是在对象检测中用的较为频繁的方法，当在一个对象区域，框出了很多框，那么如下图：上图来自这里目的就是为了在这些框中找到最适合的那个框，主要就是通过迭代的形式，不断的以最大得分的框去与其他框做iou操作，并过滤那些iou较大（即交集较大）的框按照github上R-CNN的matlab代码
2017-09-14 11:33:23
1898
原创 BN（batch Normalization）笔记
l BN（batch Normalization）What is BN通常在神经网络训练开始前,都要对输入数据做一个归一化处理Why BN？1. 提升泛华能力神经网络学习过程本质就是为了学习数据分布,一旦训练数据与测试数据的分布不同,那么网络的泛化能力也大大降低;2. 提高训练速度一旦每批训练数据的分布各不相同(batch 梯度下降),那么网络就要在每
2017-09-11 11:16:42
1715
转载 TensorFlow 中文资源精选，官方网站，安装教程，入门教程，实战项目，学习路径
Awesome-TensorFlow-ChineseTensorFlow 中文资源全集，学习路径推荐：官方网站，初步了解。安装教程，安装之后跑起来。入门教程，简单的模型学习和运行。实战项目，根据自己的需求进行开发。很多内容下面这个英文项目:Inspired by https://github.com/jtoy/awesome-tensorflow官方网站
2017-09-08 16:19:55
901
原创 NIPS 2106 优秀论文和代码下载地址集锦--持续更新
Using Fast Weights to Attend to the Recent Past (https://arxiv.org/abs/1610.06258)Repo: https://github.com/ajarai/fast-weightsLearning to learn by gradient descent by gradient descen
2017-09-08 09:28:00
1100
原创 tensorflow1.3 API学习笔记 1
tf.layers.conv2d 卷积层https://www.tensorflow.org/versions/r1.3/api_docs/python/tf/layers/conv2dconv2d( inputs, filters, kernel_size, strides=(1, 1), padding='valid', d
2017-09-06 15:40:20
723
原创 撸一撸 ICML2016的CReLU
此方法来源于：ICML2016 Understanding and Improving Convolutional Neural Networks via Concatenated Rectified Linear Units.这篇论文~~实验代码 ：https://github.com/albanie/CReLU可以在理解原理的基础上撸一遍。在tenso
2017-09-05 15:19:56
37086
2
原创 好多好多的GAN生成模型哦
代码是python tensorflow的，代码下载在这里点击打开链接主要有：应用主要有字符识别，fashion~~~这里记录下，慢慢看
2017-09-05 11:38:23
750
原创 cs231n笔记--到底什么是梯度消散
笔记来自 CS231n Winter 2016: Lecture 4: Backpropagation, Neural Networks 内容地址为：http://www.microsofttranslator.com/bv.aspx?ref=SERP&br=ro&mkt=zh-CN&dl=zh&lp=EN_ZH-CHS&a=http%3a%2f%2fcs231n.stanford.edu%2
2017-09-04 15:33:17
1432
原创 几种使CNN稳-准-快的操作
我想让深度学习在实际产品中应用起来，可是模型太大，速度有些慢怎个搞~~~可喜的是有无数AI先锋奋勇战斗，为我们提出一些精彩绝伦的解决方案，下面总结下：卷积核方面：1.大卷积核用多个小卷积核代替忆往昔，最早AlexNet中用到了一些非常大的卷积核，比如11×11、5×5卷积核，之前人们的观念是，卷积核越大，receptive field（感受野）越大，看到的图片信息越多，因此获得的特征越
2017-09-04 15:15:33
1201
转载 NoScope：极速视频目标检测
一.提出背景 在基于CNN的方法提升到一个很高的准确度之后，效率又成为人们所关注的话题，目前兼备准确度和效率的方法包括 SSD、YOLO v2，其检测效率通常能到达 30-100FPS，而这里面的代价就是上万块的显卡，这个代价是相当高的。当下视频获取设备（CCTV摄像头）成本通常是几百块，而采用上述分类算法，其成本可能是几千，这就是视频获取和视频分析之间的巨大鸿沟。
2017-09-04 14:44:32
761
转载 CS231n课程笔记翻译：卷积神经网络笔记
译者注：本文翻译自斯坦福CS231n课程笔记ConvNet notes，由课程教师Andrej Karpathy授权进行翻译。本篇教程由杜客和猴子翻译完成，堃堃和李艺颖进行校对修改。原文如下内容列表：结构概述用来构建卷积神经网络的各种层卷积层汇聚层归一化层全连接层将全连接层转化成卷积层卷积神经网络的结构层的
2017-08-31 18:07:31
8344
转载 深度学习实践课程--fast.ai 资料整理
今天要推荐一门深度学习的好课程，来自Fast.ai的Deep learning course！Welcome to fast.ai's 7 week course,Practical Deep Learning For Coders, Part 1, taught by Jeremy Howard (Kaggle's#1 competitor 2 years running, and
2017-08-22 09:45:19
4785
1
原创 一次面试引发的问题：激活函数Relu，sigmoid ，tanh的角逐
记得之前去某东面试，面试官问我CNN的激活函数有哪些？我说：Relu/sigmoid /tanh问：有区别吗？我心想我只用过relu，至于区别我想应该是高效吧。问：为什？我真没细想过，后来面试完啦赶紧去巴拉巴拉，整理啦以下资料，果然，做学问，不仅仅要知道how，更要知道why整理笔记：激活函数的性质数据”经过一个神经网络时，经过卷积或池化等运算后，最终输出的一个
2017-08-11 14:01:36
3251
原创 有用的函数--功能：求平方根倒数
来源于 著名游戏《雷神之锤III》，它的代码在2002年左右被披露，发现了一段用于快速计算平方根倒数的代码 float InvSqrt (float x) { float xhalf = 0.5f*x; int i = *(int*)&x; // get bits for floating value i = 0x5f3759df - (i
2017-08-11 09:39:07
813
转载 CVPR 2017 目标跟踪相关项目
CVPR 2017 目标跟踪相关项目CVPR 2017 MAIN CONFERENCE 的paper list已经出来了: CVPR2017，这里先大概介绍下，以后希望自己能够一个个的分析学习下～。以下是main conference中单目标跟踪相关的论文，总共11篇，相关滤波7篇，其中1篇是oral，3篇用到卷积特征，相关滤波占了64%，(非卷积特征的)CNN相关4篇，可以看
2017-08-02 10:30:21
1674
原创 VINS ---初始化
通过匹配的视觉特征点 对极约束获取本质矩阵E，再分解本质矩阵获得相机的R，Tbool MotionEstimator::solveRelativeRT(const vector> &corres, Matrix3d &Rotation, Vector3d &Translation){ if (corres.size() >= 15) { vector ll,
2017-07-21 11:17:09
1055
转载 SLAM学习资料汇总-超全
SLAM 学习与开发经验分享导语毫无疑问，SLAM是当前最酷炫的技术.在这里，我给大家分享一些在学习SLAM的过程中的一些资料与方法（不断更新中...）AR开发者社区：目录入门基础进阶优秀文章技术博客网站与研究组织书籍与资料SLAM 方案优秀案例入门视觉SLAM的基础知识-高翔(
2017-07-20 15:49:36
5561
2
转载 VINS（四）estimator_node 数据对齐 imu预积分 vision
首先通过vins_estimator mode监听几个Topic（频率2000Hz），将imu数据，feature数据，raw_image数据（用于回环检测）通过各自的回调函数封装起来ros::Subscriber sub_imu = n.subscribe(IMU_TOPIC, 2000, imu_callback, ros::TransportHints().tcpNoDelay())
2017-07-17 09:24:22
2203
转载 移植开源EasyPR的车牌识别源码到Android工程
考虑到Anroid的便携性，平时又方便拍照，故有了将最新的1.4版本的源码移植到Anroid上使用。 移植成功后的源码链接如下： http://download.csdn.NET/detail/daiyinger/9416320 关于源码的说明如下： 1、安装后打开应用后点击 车牌检测即可测试sd卡目录下的默认包含车牌的图片。 2、如果要编译C
2017-07-14 15:15:58
598
1
原创 ndk-build ceres solver 错误记录
/home/hope/android-ndk-r14b/sources/cxx-stl/llvm-libc++/include/stdexcept:127: error: undefined reference to 'std::logic_error::logic_error(char const*)'/home/hope/android-ndk-r14b/sources/cxx-stl/l
2017-07-14 15:14:23
3086
转载 Android Studio 2上利用NDK进行OpenCV 3.1开发
—开发环境 —准备工作 —初级NDK应用 ——实验性Gradle插件 ——创建项目 ——文件说明及修改 ——编译及运行 —OpenCV NDK应用 ——创建项目 ——文件的修改 ——编译及运行 —In
2017-07-13 18:01:48
556
转载 VINS（三）初始化与相机IMU外参标定
VINS（四）初始化与相机IMU外参标定 和单目纯视觉的初始化只需要获取R，t和feature的深度不同，VIO的初始化话通常需要标定出所有的关键参数，包括速度，重力方向，feature深度，以及相机IMU外参Rbc和pbc。一. 外参旋转矩阵初始化在Feature Detection and Tracking模块中，利用Harris特征点匹配通过基础矩阵和Ra
2017-07-13 09:38:53
7751
1
转载 android studio下的NDK开发详解
好记性不如烂笔头，开始坚持写博客，学一点记一点，只为了生活更好。学了一年多的硬件，现在来做android，不知道是对是错，跟着感觉走，开始总是想把android和硬件挂上勾，所以第一个android应用写的是关于蓝牙的。现在学习NDK开发，有时说得也是JNI开发。那为什么要学习JNI,JNI会学习到比较底层的东西，java可以实现上层应用的开发，但是不能写底层驱动，有些android项目必须和
2017-07-07 10:49:37
666
转载 VINS（二） slamFeature Detection and Tracking
VINS（二）Feature Detection and Tracking系统入口是feature_tracker_node.cpp文件中的main函数1. 首先创建feature_tracker节点，从配置文件中读取信息（parameters.cpp），包括：ROS中发布订阅的话题名称；图像尺寸；特征跟踪参数；是否需要加上鱼眼mask来去除边缘噪点；%YAML
2017-07-03 10:13:19
1835
转载 VINS（一）简介与代码结构 视觉slam
VINS（一）简介与代码结构VINS-Mono和VINS-Mobile是香港科技大学沈劭劼团队开源的单目视觉惯导SLAM方案。是基于优化和滑动窗口的VIO，使用IMU预积分构建紧耦合框架。并且具备自动初始化，在线外参标定，重定位，闭环检测，以及全局位姿图优化功能。方案最大的贡献是构建了效果很好的融合算法，视觉闭环等模块倒是使用了较为常见的算法。系列博客将结合课题组发表的paper，
2017-07-03 09:22:17
13554
2
转载 视觉slam学习笔记
写在最前面： SLAM特指：特指搭载传感器的主体，在没有环境先验的信息情况下，在运动过程中建立环境模型，通过估计自己的运动。 SLAM的目的是解决两个问题：1、定位 2、地图构建 也就是说，要一边估计出传感器自身的位置，一边要建立周围环境的模型 最终的目标：实时地，在没有先验知识的情况下进行定位和地图重建。 当相机作为传感器的时候，我们要做的就是根据一张张连续运动的图像，从
2017-06-27 18:15:16
3492
1
原创 安装 ROS Qt Creator Plugin's 错误记录
我是按照http://blog.csdn.net/u013453604/article/details/52186375#reply这篇博客安装的，我装的是qt5.90,里面的qt-creator是4。3的版本但还是提示 Depends: qt57creator (>= 4.2.1) but it is not going to be installedsudo apt-ge
2017-06-27 10:39:12
1993
转载 Relu-Rectified linear unit激活函数
传统Sigmoid系激活函数传统神经网络中最常用的两个激活函数，Sigmoid系（Logistic-Sigmoid、Tanh-Sigmoid）被视为神经网络的核心所在。从数学上来看，非线性的Sigmoid函数对中央区的信号增益较大，对两侧区的信号增益小，在信号的特征空间映射上，有很好的效果。从神经科学上来看，中央区酷似神经元的兴奋态，两侧区酷似神经元的抑制态，因而在
2017-06-18 19:36:31
818
转载 ORB-SLAM2：基于可识别特征的自主导航与地图构建
目录(?)[+]ORB-SLAM2 基于可识别特征的自主导航与地图构建简介地图A 地图特征点或3D ORBB 关键帧C 可视化图像位置识别A 图像识别数据库 B 高效优化的ORB匹配C 视觉一致性自主导航追踪A ORB特征获取 B 追踪之前的图像帧C 重定位从划除帧中再追踪D 追踪本地地图E 最终的位姿优化F 新的关键帧的取舍
2017-06-15 09:06:31
2582
原创 CNN学习笔记第一课
![常规的神经网络： 神经网络有一个输入，这个输入通常是一个向量，通过一系列的隐层转换为输出。这里的每个隐层都有一系列的神经元-neurons组成，每个neurons都与前一层所有的neurons相连接，而且这些神经元之间是独立的，并不共享连接。最后一层的全连接层称之为输出层，这个输出层代表了类别的得分。例如在cifar-10中，图像是32*32*3的格式，也就是图像宽高为32,32,3通道；这样
2017-05-04 20:38:29
679
原创 目标跟踪--GOTURN 100fps
先附上论文的链接 点击https://arxiv.org/abs/1604.01802打开链接GOTURN: Generic Object Tracking Using Regression NetworksGOTURN这个方法有如下的特点和优势：Offline Training：利用了大量数据离线训练的优势Generic Object Tracking
2017-03-23 16:35:30
5177
9
转载 降维算法总结 MDS与ISOMAP
前面列举的例如LLE，Graph Laplician之类往往被称作局部模型。因为他们都只关注样本点跟邻居们的关系，比如 Local Linear Embedding看名字就知道它比较关系local information；类似地，Graph Laplician 中的D矩阵也是只是一个局部的信息，它只由顶点的度决定。那么这些局部模型会不会有 ”一叶障目而不见泰山“ 的风险呢？本篇文章我们重点讨论两个
2017-03-02 10:29:40
9646
4
转载 降维总结之 kernel PCA。
kernel PCA: 讲它又不得不夹私货,kernel tricks。 相信大家对 kernel tricks 都不陌生,最直观的印象是它能把线性算法变成非线性, 深刻一点的理解是它自带样本空间映射功能, 可以把低维 feature 映射到高维:从 kernel method 的定义可以看出其实它在本质上还是算点积,不同的是首先要把 x 映射到新 的空间里,通过映射函数 , 但是 k
2017-03-02 10:27:46
1788
1
转载 降维总结之Graph Laplacian，Laplacian EM
接着写数据降维算法。上一篇文章介绍了 PCA, Factor Analysis, LLE 等三个算法, 按照顺序这篇文章就该讲到 Laplacian Eigenmaps 了,但是作者认为直接讲 Laplican Eigenmaps 好像有点太干了, 不太容易理解, 请允许我夹带点私货, 先从 Graph Laplacian 开始讲起 (graph Laplacian 是 graph theor
2017-03-02 10:26:28
6712
4
Qt里的QMediaPlayer类播放视频所用的解码器
2014-11-20
TA创建的收藏夹 TA关注的收藏夹
TA关注的人