- 博客(690)
- 资源 (31)
- 收藏
- 关注
RSS订阅
原创 CNN Architecture：从LeNet-5到CapsulesNet
LeNet-5AlexNetVGGNetGoogLeNetResNetDenseNetCapsulesNetSummary转载请注明出处： http://blog.csdn.net/c602273091/article/details/79119303对于LeNet-5和AlexNet的论文我都有认真看过，对于另外的结构略看了paper。这篇博客主要还是以总结为主，对各
2018-01-22 03:48:21
2393
2
原创 RAM： Recurrent Models of Visual Attention 学习笔记
论文解析Torch代码Glimpse Networkhidden layerlocatorattention networkAgentparameter settingTF实践论文解析看了论文【1】和博客【9】【10】，我对RAM进行总结。要看懂这篇论文，需要强化学习中的policy-based learning和RNN的相关知识。如果对policy gra
2018-01-14 21:32:00
8658
10
原创 深度强化学习之Policy Gradient & Actor-Critic Model & A3C
policy gradientactor-criticA3Cpolicy gradient在之前的DQN是进行value function的approximation，是value-vased RL。这次要讲的是policy-based RL。对于RL的policy直接进行参数表示：比如可以输入state（一幅图片，一个feature vector），然后由带有参数的某种算法（比如linear
2018-01-12 02:45:01
7172
原创 DRL之DQN Deep Q Network 学习总结
本次总结从最底下的Ref Links的material中得来，如果对于某些细节不清楚可以看看链接中的内容。我在看10-703的视频的时候，我觉得Russ讲课还是很不错的，很多东西讲得言简意赅，短短几句就把DQN的核心讲得清楚。RL中核心的三个东西：policy，model和value function。policy就是根据当前的state进行对应的action，当然可以是determinist
2018-01-11 09:07:18
3246
原创 Look-ahead before you leap: end-to-end active recognition by forecasting the effect of motion 讲解
IntroductionDetails and Questionsettingssystem architecturelook-ahead module我看了一下，基本上没有什么资料对这篇文章【1】进行描述【2】，那我就试着讲一讲这个东西，尽量试着把各个模块搞清楚。这玩意涉及CNN，RNN，RL这些东西，确实需要不少积淀才能搞清楚。转载请注明出处： http://blog.csdn.net/c
2017-12-28 08:23:25
672
原创 Cognitive Mapping and Planning for Visual Navigation 笔记
框架简介细节MappingPlanning实验框架简介该论文【1】【4】【5】提出了CMP的框架来同时进行建图和路径规划，并且建图不是传统意义上的3D重建，使用SLAM建图这种。这里面建的图是confidence map，并且通过map的不断叠加，可以构造出局部confidence map和belief对接下来的路径规划进行指导。路径规划部分使用DAGGER的强化学习策略（imitation
2017-12-17 00:16:24
2025
4
原创 Target-Driven Visual Navigation In Indoor Scenes Using DRL 讲解
简介细节问题learning setup简介机器人要对目标物体进行操作的时候，比如机器人从冰箱里拿出可乐。那么在传统方法中，一般是需要进行环境感知，机器人知道周围环境以及它目前所处的位置，位姿，以及目标的位置，接着进行路径规划，然后是决策控制。当然，中间还有landmark建模等等，可以看出为了解决这一系列的问题，需要进行较多的步骤。Feifei Li她们组就弄了一个end-to-end的方法，
2017-12-16 06:20:52
1666
5
原创 ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices的理解
前沿加速方法Channel Shuffle for Group ConvolutionsShuffleNet单元网络结构实验对比Github实现前沿随着近几年AI算法爆发式的发展，越来越多的运用场景出现了。为了让更多的算法落地，如何做移动端的模型加速和模型压缩成了近期的一个热点。比如前一段做参数量化的BinaryNet、Google出的GoogleNet，到现在Face++出的Shuff
2017-07-14 23:01:43
8996
4
原创 ORB: an efficient alternative to SIFT or SURF
介绍FAST关键点rBRIEF描述子介绍目前SIFT特征准确度高，但是计算复杂度也高。很多时候需要用到匹配、追踪什么的，使用SIFT就比较慢。本文作者提出了ORB（Oriented FAST and Rotation BRIEF）特征。ORB有个特点是这个特征没有申请专利，另外这种特征的好处是：给FAST检测子方向和快速计算；高效计算带有方向的BRIEF特征关键点（keypoint 就是图
2017-02-20 10:13:12
3353
原创 Visual Odometry(视觉里程计)： StereoScan Dense 3d Reconstruction in Real-time
介绍系统概述A特征匹配Bego-motion估计C立体匹配D3D重建实验结果运行结果及代码介绍从多个二维图片中重建3D影像是机器视觉必不可少的部分，这篇论文【1】提出的就是做3D重建的工作。这篇论文提出了一种巧妙的实时的方法做3D地图重建——使用稀疏特征和视觉里程计相结合的方法。这种方法包含了立体匹配和创建点云。用这种方法计算出来的视觉里程计是当年11年最好的。该法可以每秒执行25f，
2017-01-15 14:13:24
5618
8
原创 Resource
very source（海量免费资源）： http://www.verysource.com/category/vhdl-fpga-verilog/list-page-3.html riscv（新一代开源处理器）： http://riscv.org/FPGA使用者的datasheet： http://www.digilentinc.com/Products/Detail.cfm?Na
2016-02-01 18:02:54
10444
原创 Learning to Navigate in Cities Without a Map 理解
问题定义在真实世界中进行无定位辅助，类似于人直觉长距离导航。输入为当前的视觉输入和目标地点。输出就是接下来应该怎么走，才能到达目的地。PS：Navigation相比于planning来说更加粗糙，就是不需要具体到某个地点，而是一个大概的方向确定。问题解决使用DRL，定义状态：当前视觉输入；定义动作：五个离散动作，快慢向前，这个应该是由Google Map采集地图的摄像头确定的；奖励：最开始...
2019-05-27 05:28:33
1190
原创 Direct Visual Localisation and Calibration for Road Vehicles in Changing City Environments 论文总结
这篇Paper是由牛津大学出品，一作现在在英国Scape Tech做视觉定位、AR的东西。二作去了Nuro做SLAM的老大~ 三作是牛津的Prof，同时在Oxbotica创业做CTO。不得不说，三个人还是蛮强的~ 二作的人后面出来了NID-SLAM，可以说是延续了image similarity比较的思路。这一篇和上一篇说的方法基本类似，基本流程如下：建图：将camera和LiDAR进行融合...
2019-03-30 07:07:35
703
原创 Visual Localization within LiDAR Maps for Automated Urban Driving 讲解
这篇Paper是由UM的两位所作，Ryan Wolcott和Ryan Eustice。基本可以确定是Ryan一个人写的代码、整套东西，比较Tenure很少自己写代码了。这篇Paper是iROS2014的best paper，所以还是具有很高的含金量的。这篇Paper主要是提出了使用LiDAR map进行单目定位的方法，思想不是很复杂，但是从最后效果来看作者在加速方面花了不少心思。整个算法流程如...
2019-03-29 09:48:25
1011
原创 LiDAR Camera Calibration
LiDAR和Camera的联合标定，目前有不少方法，不同方法适合不同的传感器。如果有必要，可以自己写一个联合标定的工具，不少公司会自己再写一个，因为标定之后精度可以更高。如果LiDAR是32，及其以上，适合使用Baidu Apollo的方法，毕竟我们都想要下面这种美好的结果：但是如果是VLP-16，那么ILCC、LiDAR camera calibration、Autoware calibr...
2019-03-11 09:47:39
1931
2
原创 LiDAR SLAM的比较
在自动驾驶领域，定位是很重要的一环，为了建立更有鲁棒性、精确的定位，在实际自动驾驶车上往往都会使用激光雷达。激光雷达相比于摄像头，对光照变化不敏感，适合白天和黑夜，绝大多数路况。激光雷达获得的距离信息精度很高，获取的feature很稳定。当然，激光雷达LiDAR对大雨天，大雾天的精度会降低，空中颗粒物会使激光方向发生一些变化~目前LiDAR SLAM中，从kitti中可以看到kitti odom...
2019-03-11 09:25:44
5539
原创 软件工程思考（五）
设计模式设计模式就是从实践中提取出来的一套核心的思想。设计模式可以用在不同的领域，是思想的提炼。一个模式包含了命名、所解决的问题、解决方法（抽象出每个部分以及做好它们之间的联系）、结果（在benefit和cost之间权衡）。Creational PatternStructural PatternBehavioral Pattern...
2018-10-28 10:03:47
460
1
原创 软件工程思考（四）
Prototyping在生成产品以前，一般需要进行原型验证，可以得到遇到的困难以及用户体验，需要增加的功能进行加入新的东西。原型验证中，平台选择、需求清晰化以及用户接口这些都是未知的，所以有较高的风险。原型验证中UI设计可以使用纸质或者是用程序写。在原型和产品间有鸿沟，比如需求、平台等等。而且做完原型可以提早发现问题，甚至砍掉项目。在原型设计中，明白需要验证什么，分析什么，对于原型验证需要知...
2018-10-14 10:25:06
324
原创 Test Driven Development感悟
编程的思想有面向过程编程、面向对象编程、面向接口编程。面向接口编程是现在很多公司在使用的，面向接口效率更好，而且使得业务代码更加简洁易调试。面向对象的方法使得代码会多出很多接口，可以为以后的使用留接口，但是开发效率不高。面向过程写代码，可以比较快的完成任务，但是之后要再修改复用就很浪费时间，要改很多东西。所以现在我写代码为了在面向对象和面向过程中权衡，我会选择面向接口编程。在写代码的过程中，需要...
2018-10-14 08:37:43
366
原创 软件工程思考（三）
项目风险评估，项目的原型设计以及需求理解。Risk Management项目风险管理中，先要明白什么是风险，风险涉及未知性和损失。在进行风险评估的时候需要知道动态和静态的损失，明白得到与失去，同时要知晓其中的机会。风险评估需要进行各方面的权衡，系统性的看问题，对于突发情况需要有应急处理，让项目更少处于风险之下。风险的属性包括：影响，概率，时间。就是这个风险影响有多大，发生这个风险的概率是多...
2018-09-30 01:02:49
381
原创 软件工程思考（二）
软件工程思考（二）框架项目规划软件的周期测试框架在实际软件设计中，我们更倾向于使用现有的已经证明比较好用的框架。在人工智能领域，比如Tensorflow、PyTorch就是很好的框架。使用框架可以提高代码重用、后期维护等等。而且速度做起来更快很多，所以软件设计中很喜欢用框架来做，自己造轮子的话，速度慢、而且别人来维护、系统工作也需要较长的时间成本。但是框架的问题在于：它想解决很多问题，导致抽...
2018-09-23 02:03:27
529
原创 软件工程思考（一）
在实际工作的时候，码代码并不是一切，是我们实现一个完整软件的一个重要步骤。在软件设计的过程中，我们需要知道软件设计流程、项目管理、需求分析、技术和架构设计、测试和分析性能等等。我们在软件设计的过程中，最好能够使用较好的debug工具、配置管理、单元测试、性能分析等等。在这里特别推荐一本书《Roger S. Pressman, Software Engineering, A Practition...
2018-09-16 07:51:28
902
4
原创 漫步人生路
在美帝工作了几个月，感觉生活很不错，很小资，朝九晚五的生活让我慢慢觉得缺少了些什么。目前做的事情是我喜欢的方向，做的是自动驾驶中很重要的一个领域，挑战还是不小的，需要正视这些差距，但是我最近懈怠了，在靡靡之音中容易忘记自己想要做的事情，没有努力去做。居安而思危，我需要保持清醒的头脑，知道自己需要做什么。从一点一滴不要急躁，急躁就会使得原本能够做好的事情花更多的时间去做。走一步，再走一步，不需要一下...
2018-08-27 03:02:14
876
17
原创 新的文章地址
我最近写文章都在知乎上面写了，感觉写的东西更多人来看和讨论。贴一个地址： https://zhuanlan.zhihu.com/c_156056199
2018-02-25 23:17:57
825
原创 Optimization之GD，Newton Method
gradient descentNewtons MethodMomentumAdagradRMSPropAdam转载请注明出处： http://blog.csdn.net/c602273091/article/details/79111771机器学习或者是深度学习中涉及了不少优化理论，那么问题来了，在机器学习中，它优化的目标是什么？它是如何进行优化的？为什么进行这种优化？这
2018-01-21 12:36:46
1104
原创 Reinforcement Learning SARSA算法实现以及grid world模拟
grid worldSARSA算法实现grid worldOpenAI Gym的Environment大部分是连续空间而不是离散空间的的Environment类，使用gridworld.py就可以模拟Environment的类【1】，【2】。使用这个类可以进行自定义格子的大小，水平和垂直格子数目。每个格子的奖励，初始状态。gridworld.py的初始化函数：de
2018-01-09 04:33:02
5065
原创 Reinforcement Learning policy evaluation实现以及OpenAI Gym介绍
RL Policy Evaluation Python实现OpenAI GymObservationSpaces总结RL Policy Evaluation Python实现根据UCL课程Lecture 3的4x4 grid求policy evaluation的方法，可以写成如下实现：states = [i for i in range(16)]value
2018-01-08 03:05:15
1502
原创 Leetcode之Graph and Search
graphReconstruct ItineraryCut Off Trees for Golf EventNumber of IslandsFriend CirclesWord LadderRedundant ConnectionEmployee ImportanceCourse ScheduleCourse Schedule IINetwork Delay Time
2018-01-08 01:50:31
442
原创 Leetcode之Greedy和Heap
HeapTop K Frequent WordsFind Median from Data StreamGreedyCreate Maximum NumberCut Off Trees for Golf EventTask SchedulerLongest PalindromeValid Triangle NumberAssign CookiesMaximum Pr
2018-01-06 05:49:14
355
原创 Torch中的RNN底层代码实现
理论篇代码篇Torch中的RNN【1】这个package包括了RNN，RL，通过这个package可以很容易构建RNN，RL的模型。安装：luarocks install torchluarocks install nnluarocks install torchxluarocks install dataload如果有CUDA：luarocks instal
2018-01-04 21:29:51
1901
原创 Torch中的Reinforcement Learning的底层实现
原理篇实现篇nnReinforceCategoricalnnReinforce强化学习已经成为大家关注的点，至少据我了解世界顶级名校CV的实验室都在做这方面的工作。最近也在做相关的Research，正好遇到了在Torch中的RL实现，发现没有什么可以参考的中文资料，只能试着来解释一下Torch中的RL实现。原理篇在Torch中的RL【2】实现参考的是论文【1】
2018-01-04 13:59:18
1205
原创 Reinforcement learning: integrating learning and planning, exploitation and exploration
介绍基于模型的RL整体框架基于仿真的搜索Exploration and Exploitation介绍越看到后面，我越发觉得RL更像是一种思想，Policy，State都需要自己进行定义，计算value function的过程也有公式，但是不如深度学习那么直接。之前的章节是说到如何从经验中得到policy和value function，这一节是如何从经验中获取模型。然后使用模型加经验来更新po
2018-01-02 10:48:52
381
原创 注意力曲线：打败分心与焦虑
Anyone Who Can Drive Safely While Kissing Is Simply Not Giving the Kiss the Attention It Deserves[1]. ——Albert Einstein当你在吻一个女孩的时候还能安全驾驶，说明你吻得不专心。据说这句话有可能是爱因斯坦说的[1]。其实我觉得这句话更说明你是一个老司机。在这本书里面介绍了人的注意力曲线U
2018-01-02 09:16:10
1261
原创 Torch在使用中常见的问题hdf5安装，nn增加类
CmdLinehdf5dpnnCmdLine()这个函数是在Torch中用于调参的一个函数，方便参数解析。并能保存成log，也可以load。只会保存optition里面的参数[1], [5]。cmd = torch.CmdLine()cmd:text()cmd:text()cmd:text('Training a simple network')cmd:text()cmd:text(
2018-01-01 11:33:02
2070
1
原创 Lua快速入门与Torch教程
Lua变量和控制流函数表示哈希表像类一样的table和继承模块化TorchTensorLua最猛的版本还是在【2】里面，15 Min搞定Lua，因为Lua是一种脚本语言，用标准C语言编写并以源代码形式开放， 其设计目的是为了嵌入应用程序中，从而为应用程序提供灵活的扩展和定制功能。所以会Perl，Python，Shell的话应该很快上手。变量和控制流注释： 单行： – 多行：--[[-
2017-12-31 10:10:41
9791
原创 RNN, LSTM详解以及浅尝试
RNNLSTMExampleRNN也就是循环神经网络，这个东西有着非常多的用途，尤其是在对于时间序列方面，可变长序列到序列或者说是在上下文模型中有着非常广泛的应用。现在论文中说到RNN，基本上说的就是LSTM，但是最近又有了GRU，用了比LSTM更少的gate，更少的参数，可以达到类似的效果。这篇博客主要是介绍RNN，LSTM的原理，以及举了一个程序的例子来说明如何用TF实现LSTM【1】。RN
2017-12-31 00:09:23
7816
1
原创 Reinforcement Learning：Policy Gradient
IntroductionFinite Difference Policy GradientMonte-Carlo Policy Gradientlikelihood ratiosActor-Critic Policy GradientIntroduction上一节说的是value function approximation，使用的是函数拟合。这一节说的就是采用概率的方法来表示：这一节主要是讲
2017-12-30 10:43:39
1779
原创 TensorFlow之进阶篇
linear regressiongraph assemble训练模型examplelogistic regressionloss functionHuber Loss在这一篇中，将会介绍如何使用TensorFlow进行linear regression以及logistic regression，以及loss function的定义。之后的篇章将会进入如何使用TF构建RNN，LSTM网络。上
2017-12-28 06:45:25
1202
1
原创 TensorFlow之入门篇
introductionBasic Operation可视化graph常量operation数据类型变量loading lazy实例线性回归神经网络识别数字introductionTensorFlow是由Google Brain Team弄的一个深度学习框架，使用的是data flow graph的模型进行计算。相比于Torch，Theano，Caffe，CNTK，Disbelief
2017-12-28 02:30:46
1395
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人