自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(15)
  • 资源 (1)
  • 收藏
  • 关注

原创 Keras如何使用tensorboard显示训练过程

众所周知tensorflow造势虽大却很难用,因此推荐使用Keras,它缺省是基于tensorflow的,但通过修改keras.json也可以用于theano。但是为了能用tensorflow提供的tensorboard,因此建议仍基于tensorflow。 那么问题来了,由于Keras隐藏了tensorflow那令人诟病、可笑至极的graph构建方法,那么如何使用tensorboard呢?一般...

2018-08-31 14:55:48 22939 5

原创 python用opencv读取图像如何做格式转换

python用opencv读取图像如何做格式转换在python中用cv2读取图像文件或摄像头,都能获取一帧图像,如 import cv2 frame1 = cv2.imread(“a.jpg”) cap = cv2.VideoCapture(0) rval, frame2 = cap.read()上面获得的frame1和frame2都是numpy array格式...

2018-07-13 12:13:48 11248

转载 他们战胜了韩国的李师师

大数据是时代的悲哀——众所周知,深度学习需要大量的样本。数据增广和正则化,可以稍微降低由于数据不足带来的过拟合,但却无法真正解决这个问题。另外,对参数化模型的学习速度很慢,而非参数化模型——如最近邻法NN——却可以快速学习新样本。人类对新知识的学习只需很少的监督,例如:一个儿童仅从一本书中的一副画就可以学习到“斑马”的概念,而我们最好的深度学习系统却需要几百上千个样本。这个差距,就是驱...

2018-07-08 22:01:27 336 1

转载 嫌随机森林去雾效果不好,你行你上啊——DehazeNet端到端的去雾

嫌随机森林去雾效果不好,你行你上啊——DehazeNet端到端的去雾虽然tang-2014提出了去雾的机器学习方法,但它是基于随机森林的,必须首先抽取图像特征,然后将特征向量输入随机森林。这不是一种端到端的学习方法。很自然人们会尝试采用CNN模型去进行端到端的训练,那么是否采用深度学习呢?直观地看上去,去雾任务没有目标识别那么复杂,那么采用浅层网络够不够呢?Bolun Cai在2016-M...

2018-07-08 21:58:28 4406

转载 宇宙生命研究者:很可能我们也是一种AI,一种被编程好的生物AI

宇宙生命研究者:很可能我们也是一种AI,一种被编程好的生物AI微小精确、逻辑紧密、储存容量大……从计算机初始发明以来,科学家们就在不断用复杂的发光二极管和微电路,挑战着人们对于智能的认知。但除了冰冷的机械部件,生物体内活跃着的分子,也能满足人们在计算机时代对智能的疯狂幻想。人工智能的触角,开始延伸到这片新大陆上。 来自加州理工学院的钱璐璐教授就是这些“冒险家”之一。曾经用核苷酸制造出 D...

2018-07-08 21:54:28 508

翻译 没有任何公式——直观的理解变分自动编码器VAE

autoencoders作为一种非常直观的无监督的学习方法是很受欢迎的,最简单的情况是三层的神经网络,第一层是数据输入,第二层的节点数一般少于输入层,并且第三层与输入层类似,层与层之间互相全连接,这种网络被称作自动编码器,因为该网络将输入“编码”成一个隐藏代码,然后从隐藏表示中“译码”出来。通过简单的测量重构误差和反传网络参数能够很好的训练该类网络。上图是另一种版本

2017-04-07 17:09:51 2729

翻译 变分自编码器

Abstract:在连续隐变量的后验分布未知的大数据集中,如何进行有效的推断和学习有向概率模型?本文提出一种随机变分推断和学习算法,可用于大数据集,只需满足温和的可导条件,甚至棘手的情况。我们有两个贡献。一,对变分下界的重参数化产生了一个下界估计,可由标准随机梯度法直接优化得到;二,对于具有连续隐变量的i.i.d.数据集,采用我们提出的下界估计来将一个近似推断模型(识别模型)拟合为

2017-04-07 11:58:25 6728

翻译 三维空间的投影变换(2)——投影校正

三维变换的分类,无穷线,绝对二次曲线,绝对二次曲面

2016-09-21 16:08:34 5622

翻译 三维空间的投影变换(1)——点,平面,直线,二次曲面

三维空间中的点,平面,直线,二次曲面

2016-09-21 10:21:04 16491

翻译 平面的投影变换(5)——极点,极线,固定点和固定线

极点和极线,固定点和固定线

2016-09-21 10:17:47 5070

翻译 平面的投影变换(4)——利用虚圆点进行相似性校正

虚圆点和对偶二次曲线, 投影变换中的夹角和距离比例,相似性校正,利用正交线对求对偶二次曲线

2016-09-20 11:11:19 3213

原创 平面的投影变换(3)——利用无穷线进行仿射校正

一维投影几何,无穷线仿射定理,恢复仿射属性,利用长度比例求灭点

2016-08-30 20:40:16 1674

翻译 平面的投影变换(2)——有几种几何变换?

变换群,等距变换,相似性变换,仿射变换,投影变换。

2016-08-30 12:49:04 5942

翻译 文摘:高效大规模立体匹配

本文提出的算法用于在双目立体视觉中进行快速高清晰度图像匹配。本算法通过在一组支持点上的三角测量构建视差的先验值。由于支持点可被精确地匹配,避免了使用其余点进行匹配造成的匹配模糊。进而可以通过有效利用视差搜索空间,重建精确的稠密视差图,而不必进行全局优化。另外,本算法可以自动决定视差范围,并易于并行运算。我们在大规模Middlebury试验平台上显示了该算法的高效性,并且很大程度上提高了当前性能。在一个单CPU核上计算一张1M像素图像的左右视差图大约耗时为1秒。

2016-08-24 15:05:54 2830 4

翻译 平面的投影变换(1)——什么是投影变换?

研究平面投影变换的任务是对一个平面在透视摄像机上成像时产生的几何畸变进行建模。由于增加了“理想点”,我们将传统的欧式空间拓展到了投影空间。在齐次坐标系上的任何可逆的线性变换都是一个投影。沿着通过一个共同点(投影中心)的射线进行投影,叫做透视,而不是一个全投影,它只有6个自由度。通过对成像进行反变换,可以去除投影畸变。

2016-08-24 13:10:47 25432 3

微软的摄像机标定工具文档

张正友亲自做的摄像机标定,来自微软,服务大众,造福人民

2014-10-29

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除