- 博客(36)
- 资源 (4)
- 收藏
- 关注
RSS订阅
原创 【论文系列】ICRA2018--闭环中的Visual Words--Assigning Visual Words to Places for Loop Closure Detection及论文复现
未经博主允许，不得转载||写在前面：读论文读的是什么，zack师兄说，读论文读的就是关系，文章大结构之间内容的关系，小结构之间段落的关系，作者为什么要这么写，其中的逻辑是什么。作者的思路决定内容，你需要在内容中读出思路。同时读文章时，能借一些作者的关系的理解更好地建立自己的知识网络（尤其在introduction 和related works）。另外读文章中大家普遍一致清楚的就是读idea，从...
2020-02-19 19:35:06
2404
14
原创 【论文系列】CVPR-2018/ Object-flow：利用超像素&像素的multi-level模型与光流结合的视频分割
未经允许，不得转载这次带来精读论文 《Video Segmentation via Object Flow》，发表于CVPR 2016 -- UCmerced 黄明轩组（视频&DL&图像相关工作很多）此文我们沿着写作思路来解读论文。作者在之后的ICCV/CVPR也有后续的改进工作。光流、目标分割（视频前景分割）任务之间本来就暗含联系，作者以构建类似CRF能力函数的图模型...
2019-01-18 16:57:55
1718
2
原创 【SLAM十四讲】第四讲 李群与李代数 部分证明（包括习题）
第四讲 李群与李代数第四讲概述从什么是群（封结幺逆），什么是李代数（封双自雅）和李群开始引入基础 然后揭开李群与李代数之间的联系（指数映射与对数映射）/另一种罗德里格斯的证法(利用exp的泰勒展开) 最后揭开李代数的求导：1）利用BCH近似和泰勒近似的求导模型 和 扰动模型(没有J更好算)相比书中原文，更喜欢另一篇李群李代数这里的讲解，链接见下。白巧克力 https://blog...
2018-09-28 11:37:29
3064
8
原创 【论文系列】读《SeqSLAM: Visual Route-Based Navigation for Sunny Summer Days and Stormy Winter Nights》
SeqSLAM: Visual Route-Based Navigation for Sunny Summer Days and Stormy Winter Nights SeqSLAM 是2012年两位澳大利亚的IEEE fellow提出来的，Michael J. Milford, Member, IEEE, Gordon. F. Wyeth, Member, IEEE。是当时第一个在极...
2017-07-23 16:43:52
4217
8
原创 源码实践指南——相机重定位Learning Less is More – 6D Camera Localization via 3D Surface论文的环境配置+代码运行
首先，这篇文章还挺有意思的，Learning Less is More – 6D Camera Localization via 3D Surface Regression，过几天会整理一下论文笔记，作者放出了源码和训练好的模型，当然就忍不住赶紧上手一下啦，不过他的深度学习也是c++写的，torch+lua，安装的时候不免出各种意外...尤其是本人是在服务器上运行的，实验室服务器上用户很多，...
2019-11-28 15:25:53
959
2
原创 【论文系列】AlexNet & VGG & FCN & NIN & ResNet论文解读
前言：温故而知新。这里将几篇经典文章进行总结，不想分太多篇，所以一篇讲完，篇幅较长，且每篇论文的更新时间可能不同。本文将对AlexNet VGG NINResNet FCN这五篇经典的DL文章进行回顾，motivation/解决的问题/网络的结构/创新点等大致进行梳理。（点击论文名转到论文）会把每篇论文尽量讲透彻，想弄清的同学们最好也结合论文和分享的其他资料一起阅读，没明白的/未谈到的...
2019-06-28 22:52:54
768
原创 LeetCode算法题回顾——DFS深度优先搜索
BFS和DFS很重要，是许多算法题的基础 应用范围:图 or 树。 求解问题类型：可达性问题（遍历的节点都是从初始节点可达的） 中心思想:不撞南墙不回头（所以终止条件“南墙”的设置很重要）目录1. 图/树 简述2. DFSdfs程序实现tips递归代码框架3. leetcode实例——medium200. 岛屿的个数&46. 全排列&...
2019-04-10 11:33:09
1241
1
原创 LeetCode算法题回顾 排序算法之内部排序算法
1.基础知识部分排序算法分类：平常所说的排序算法大部分是指内部排序算法，其实还有三种常见的外部排序算法（计数、基数、桶排序） 内部排序和外部排序 内排序是指所有的数据已经读入内存，在内存中进行排序的算法。排序过程中不需要对磁盘进行读写。同时，内排序也一般假定所有用到的辅助空间也可以直接存在于内存中。 外排序，即内存中无法保存全部数据，需要进行磁盘访问，每次读入部分数...
2019-03-13 22:45:45
1585
原创 LeetCode初级算法题回顾（四）动态规划
本回顾是对LeetCode 探索栏目中的“初级算法题”进行总结，归纳该栏目中做题的心得和体会。(注：不是leetcode中的所有简单难度的算法题)该探索项目分为九个子栏目：数组、字符串、链表、树、排序和搜索、动态规划、设计问题、数学及其他。动态规划首先推荐一篇博文——算法-动态规划 Dynamic Programming--从菜鸟到老鸟，From HankingHu。有关于动...
2019-03-09 18:02:45
247
原创 LeetCode初级算法题回顾（三）链表&树
本回顾是对LeetCode 探索栏目中的“初级算法题”进行总结，归纳该栏目中做题的心得和体会。(注：不是leetcode中的所有简单难度的算法题)该探索项目分为九个子栏目：数组、字符串、链表、树、排序和搜索、动态规划、设计问题、数学及其他。关于链表的基础知识：LeetCode链表&链表概念梳理及代码示例目录A.链表 （主要考察指针） 链表初级算法题目一览1）删除链表...
2019-03-07 14:21:40
296
原创 LeetCode链表&链表概念梳理及代码示例
链表的介绍（包括定义、直观理解、优势和示例）以及leetcode上一些链表相关算法题的思路。目录正文部分：为什么要用链表，定义链表的基础是什么。链表的直观理解举例 （用链表而不是用数组来存储电影信息）解析继续优化代码 leetcode算法题-初级-链表正文部分： 为什么要用链表，定义链表的基础是什么。 链表的直观理解 ...
2019-02-19 16:56:53
347
原创 利用anaconda创建环境安装Gpu版本caffe1.0
本文适合在服务器中，利用anaconda创建虚拟环境，安装caffe使用。步骤简单。安装好anaconda以后（安装anaconda有助于服务器下不同用户之间的package版本、系统设置各自独立，互不干扰）创建虚拟环境conda create -n your-envs-name例如：conda create -n mycaffe激活环境source activate m...
2019-01-18 16:47:35
1574
原创 【集合】EM估计算法 极大似然估计
概率知识简单回顾：贝叶斯&似然&最大似然估计 最大似然：zouxy09的博客：从最大似然到EM算法浅解 EM算法 ：形象理解EM算法：知乎·史兴的回答： 怎么通俗易懂地解释EM算法并且举个例子? 理解EM算法：论文：Do, C. B., & Batzoglou, S. (2008). What is the expectation maximization algo...
2018-11-30 10:44:58
442
原创 【论文系列】光流/ LK光流/ FlowNet/ FlowNet2
今天重点介绍光流首先介绍光流的idea inspiration，传统光流的估计方法，再介绍用CNN解决光流的思路--FlowNet以及FlowNet2（个人认为只是利用stack方式堆叠FlowNetS和FlowNetC，其中更出彩的可能在数据集与更适应的数据训练方法，当然，精度和速度的效果也更为出色，解决了小displacement的估计）。Let's START!光流第一次读光流的...
2018-11-21 22:48:01
7999
9
原创 深度学习中的池化详解 | Pooling in Deep learning
深度学习中的池化详解。Pooling in Deep learning。池化的定义、作用、作用背后的原理。池化操作的分类与适用范围。空间金字塔池化的原理与作用。
2018-11-19 16:25:11
7880
原创 【论文系列】论文延伸阅读——GNG：Growing Neural Gas Network
COMPETITIVE HEBBIAN LEARNING AND NEURAL GAS 一些信息：一般可以把几何形体的拓扑结构看作是完全“柔软”的，因为所有变形（同胚）会保持拓扑结构不变；而把解析几何结构看作是“硬”的，因为整体的结构都是固定的。induced Delaunay triangulation" has been shown to optimally preser...
2018-10-17 13:56:10
6744
2
原创 基于单目视觉的同时定位与地图构建方法综述
摘要: 增强现实是一种在现实场景中无缝地融入虚拟物体或信息的技术, 能够比传统的文字、图像和视频等方式更高效、直观地呈现信息,有着非常广泛的应用. 同时定位与地图构建作为增强现实的关键基础技术, 可以用来在未知环境中定位自身方位并同时构建环境三维地图, 从而保证叠加的虚拟物体与现实场景在几何上的一致性. 文中首先简述基于视觉的同时定位与地图构建的基本原理; 然后介绍几个代表性的基于单目视...
2018-10-06 19:19:49
3820
原创 【SLAM十四讲 】第六讲
第六讲非线性优化首先对这章要用到的概率知识点做一些回顾知识点回顾 概率与统计 概率是已知模型和参数，推数据。统计是已知数据，推模型和参数。 贝叶斯公式 P(A)即是常说的先验概率。展开分母其中，表示非A贝叶斯公式就是在描述，你有多大把握能相信一件证据？（how much you can trust the evidence）我们假设响警报的目的就是想说汽...
2018-09-28 11:38:16
1325
原创 【SLAM十四讲】 第五讲
视觉slam十四讲 之 第五讲 相机与图像这一讲主要就是 内参（针孔模型）与外参（同一点不同坐标系转换），相机畸变（切向和径向）以及图像在计算机上的表示。点云拼接代码 pcl编译问题我的CMakeLists（并不完整，没加eigen 略了）cmake_minimum_required(VERSION 2.8)set(OpenCV_DIR "/usr/local/opencv-3...
2018-09-28 11:37:52
1304
原创 【SLAM十四讲】 第三讲
1.旋转矩阵2.旋转向量和欧拉角3.四元数1.旋转矩阵1.1点 向量 坐标系向量 是空间中存在的有方向有长度的一样东西，向量不等于坐标，不同坐标系下向量的坐标表示也不尽相同。只有确定了一个坐标系，我们才能说这个向量的坐标是多少。 向量的外积运算 其中，代表反对称矩阵，即 外积可以表示旋转，利用右手法则，大拇指朝向就是旋转向量的方向，事实也是的方向。所以...
2018-09-28 11:37:18
912
原创 【SLAM十四讲】第二讲习题
A. 使用g++编译用编辑器输入了helloSLAM.cpp的源代码，然后调用g++编译器对它进行编译，得到了可执行文件。g++默认把源文件编译成 a.out这个名字的程序。步骤：vim 启用vim——填写源代码—— ：w Filename 保存—— g++ Filename 编译 ——./ a.out 输出B. 使用cmake进行编译在一个cmake工程中，我们会使用cmake...
2018-09-28 11:37:03
537
原创 【SLAM十四讲】 第一讲习题
slam十四讲--习题一习题1 Ax=b， 已知A，b要如何解x？若A可逆，rank(A)=rank(A,b)=n. x=A^-1 * b 即A满秩（/ 非奇异 / det(A)不等于0），可以解出x的唯一解若rank(A)<rank(A,b) x无解。若rank(A)=rank(A,b)<n, x多解。习题2 高斯分布正态分布（Normal dis...
2018-09-28 11:36:54
1208
原创 【论文系列】Long-term Visual Localization using Semantically Segmented Images--语义位置识别/ICRA2018
未经允许，不得转载读Long-term Visual Localization using Semantically Segmented Images (语义位置识别)这一篇是发表于ICRA2018的一篇文章，结合深度学习去解决SLAM中位置识别的问题，主要是针对长时间运行的、跨季节的、光照变化显著条件下运行的SLAM系统，由于传统描述子在这些条件下的表达或匹配不鲁棒而不能准确定位的问题。...
2018-09-13 22:59:09
3286
1
原创 源码实践指南！Mastering opencv Ch3 Markerless AR--UBUNTU下 opencv+opengl 运行
未经博主允许，不得转载，谢谢理解如何用相机自己完成无标识AR的实践，初试者可以参考这本经典教材《Mastering OpenCV》，国内译版译得有点像谷歌翻译，不推荐，推荐大家直接读原文了解作者实践的思路，也可以参考我的博客--《Mastering OpenCV》--3.Markless AR.无标识式AR （1）和《Mastering OpenCV》--3.Markless AR.无标识式A...
2018-09-05 15:22:40
540
4
翻译 《Mastering OpenCV》--3.Markless AR.无标识式AR （2）
第三讲 无标识AR3.3 模式姿态估计3.3.1 引理在三维空间中，可以通过标记角点的精确位置来估计摄像机与标记之间的转换。这个过程叫做二维到三维的姿态估计。这个估计会在物体与摄像机之间找到一个欧氏变换的空间。如上图所示，C代表相机中心，大写的P1-P4是现实三维世界中的点，p1-p4是物体在相机图像二维平面上投影的点。姿态估计的目标就是找到p1-p4到P1-P4之间的转换关系...
2018-09-03 15:48:28
1060
翻译 《Mastering OpenCV》--3.Markless AR.无标识式AR （1）
第三章 无标记式增强现实 3.1 基于标记的AR与无标记的AR算法 基于标记的AR 基于无标记的AR 优点 检测算法简单 对光线变化鲁棒性好 检测算法复杂 对光线变化鲁棒性较差 缺点 标记部分重叠时无法工作 标记的图像必须是黑色和白色 大多情况下，标记的图像要有方形 与...
2018-09-01 18:00:27
2117
2
原创 面向HTML初学者 -- HTML5 video详解
第四篇内容主要涉及HTML5的&amp;amp;lt;video&amp;amp;gt;元素。 侧边目录可以快速导航 HTML &amp;amp;lt;video&amp;amp;gt; 元素 用于在HTML或者XHTML文档中嵌入视频内容。使用上下文 项 描述 允许内容 流式内容, 包含任一src属性或是一个或多个&amp;amp;lt;source&amp;
2018-06-13 17:31:28
4446
转载 [转]Web 前端中的增强现实（AR）开发技术
本文转自https://geekplux.com/2018/01/18/augmented-reality-development-tech-in-web-frontend.html作者 GeekPlux--------------------------------------------------------------------------------------------------...
2018-05-26 15:39:32
7957
1
原创 ex5 MACHINE LEARNING COURSERA
☆1绘制learning curve时需要注意在绘制error_train 与 error_cv随着样本数目的增加而变化的learning curve需要根据当前循环内的样本数目i来求解对应的训练出的theta值，再供以求解J_train与J_cv。同时需要注意的是，J_train处的求解m对应的是i，是样本集的子集，而每一次的J_cv的求解对应的都是整个数据集。意思也就是，当随着样本数量不断增加...
2018-03-14 19:00:04
534
原创 ex4 MACHINE LEARNING COURSERA手写体数字识别
1.灵活应用矩阵运算代替for循环的冗余2.当使用后向传播时 每次运算一个样本 先计算其feedforward 求出J 再求出最后一层的delta差 以此进行后向传播以得到代价函数J关于每一个权重theta的导数3.计算正则化后的代价函数，注意不要加上theta0的平方项4. 利用δ 反求 △时，△(l)=△(l)+δ(l+1)*a(l)注意skep or remove θ0 （可以先求 后sk...
2018-03-10 21:35:02
272
转载 【论文系列】论文《Fully Convolutional Networks for Semantic Segmentation》
转载自 博客园亦轩Dhc 论文笔记《Fully Convolutional Networks for Semantic Segmentation》最近想着做分割来提取全局特征，有提到两篇 一篇是FCN，一篇是Learning to generate chairs with convolutional neural这里转载 博主亦轩Dhc的博文 包括他对FCN的一些理解...
2017-10-18 17:18:34
314
转载 ImageNet Classification with Deep Convolutional Neural Networks
转载自 sun先生shinee，侵删原文网址 http://blog.csdn.net/u013087984/article/details/52027496#comments 摘 要我们训练了一个大型的深度卷积神经网络，来将在ImageNet LSVRC-2010大赛中的120万张高清图像分为1000个不同的类别。对测试数据，我们得到了top-1误差率37.5%，...
2017-08-09 19:51:39
246
转载 稀疏表达
转载自 lycdx的博客 http://blog.sina.com.cn/s/blog_6d0e97bb01015wol.html感谢大神的分享！收获很多！部分图片失效不能显示，请见谅。 稀疏表达是近年来SP, ML, PR,CV领域中的一大热点，文章可谓是普天盖地，令人目不暇给。老板某门课程的课程需要大纲，我顺道给扩展了下，就有了这个上中下三篇介绍性质的东西。遗憾的是，我在绝大多数...
2017-08-04 21:56:53
881
原创 【论文系列】读 《Semantics-aware Visual Localization under Challenging Perceptual Conditions》
今日读由Tayyab Naseer, Gabriel L, Oliveira Thomas,Brox Wolfram Burgard四人合著的《Semantics-aware Visual Localization under Challenging Perceptual Conditions》。 主要一个亮点是 利用了有Up-convolutional的FAST-Net. 得到了一个结合...
2017-07-22 11:51:38
967
1
原创 ORB-SLAM中 ORBextract.cpp代码解读
未经允许 禁止转载转载请注明 CSDN Min220 原文网址欢迎学习讨论交流！有误之处指出！ using namespace cv;using namespace std;namespace ORB_SLAM{ const float HARRIS_K = 0.04f; const int PATCH_SIZE = 31; const int HALF_PA...
2017-04-03 15:44:23
1286
转载 【特征匹配】ORB原理与源码解析
主要转载自http://blog.csdn.net/luoshixian099/article/details/48523267，本博也会陆续有部分修改 转载请注明出处： http://blog.csdn.net/luoshixian099/article/details/48523267CSDN-勿在浮沙筑高台 为了满足实时性的要求，前面文章中介绍过快速...
2017-03-25 10:55:25
898
less-more-deps.zip
2019-11-28
slam十四讲 ch13——remode dataset
2019-10-20
Mastering opencv markerless AR/Ubuntu下运行
2018-09-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人