- 博客(193)
- 资源 (4)
- 收藏
- 关注
RSS订阅
原创 【目标检测系列】yolov3之损失函数以及边框回归pytorch源码注释以及理论理解
import globimport mathimport osimport randomimport shutilimport subprocessfrom pathlib import Pathfrom sys import platformimport cv2#import matplotlib#import matplotlib.pyplot as pltimport matplotlib as mplmpl.use("Agg")import matplotlib.pypl
2020-06-22 10:02:35
9731
2
原创 【目标检测系列】yolov3，yolov4训练自己的数据（pytorch 版本）
yolov3，yolov4训练自己数据集的流程，用opencv库函数调用训练结果文件的的流程。
2020-05-22 13:48:53
18182
18
原创 【语义分割系列】一图讲解FCN16s实现过程。对照着pytorch代码讲解的。
看了下fcn的代码和理论。这里就以FCN16s为例讲解，16s清晰了 32s 8s 只是在此基础上减，加而已了。我看的代码是一VGG16为主干网络。关键步骤的解释在下图中已标记清晰，对照其他主干网络代码看也都能看的通。FCN16s说白了就是 将 1/32图的预测结果做反卷积，变成1 /16图。然后再将1 /16图池化结果做预测，并与前的1/32图结果做加法。最终得到...
2020-04-16 16:02:06
2315
原创 【目标检测系列】目标检测算法综述
一，目标检测算法分类：目前目标检测算法大体分为3类。1.传统方法：如adaboost+harr hog+ svm 等。传统方法流程一般为穷举搜索框，提取特征如hog harr lbp等，过分类器如adaboost ，svm等。缺点不详细说了。2.候选区域框+深度学习方法：如R-CNN SPP-net Fast-RCNN Faster-RCNN R-FCN RCNN介绍...
2020-04-10 14:06:34
5471
原创 ransac拟合直线C代码
根据网上大神的python代码改变而来。// GraphBasedImageSegmentation.cpp : 定义控制台应用程序的入口点。#include "stdafx.h"#include <vector>#include <ctime>#include "opencv2/opencv.hpp"#include<stdio.h>#include <math.h>using namespace std;using namesp.
2021-04-13 09:26:01
535
转载 svm训练X86内存不够解决方法
https://blog.csdn.net/u014337397/article/details/80301058
2021-04-08 11:32:19
248
原创 DSO整体流程注释
if(初始化) 初始化结束后关键帧队列内有2帧 第一帧 点全是成熟点 第二帧 点全是未成熟点 未做激活操作{ 1.初始化结束后，获得第一帧与后续某帧的位姿以及逆深度等 2.第一帧加入关键帧窗口。点直接不用激活，设置为成熟点。设置尺度信息，后续位姿都以此假设尺度为单位。 3.后续的那个激活帧直接视为关键帧。 3.1 对极线搜索 设置未成熟点属性例如逆深度范围，点状态等 3.2 边缘化帧 3.3 关键帧入队 3.4 窗口优化部分预运算...
2021-04-01 14:58:09
342
原创 VS2015调用pytorch训练好的模型
1.最重要的一点，pytorch最好与libtorch版本相同。例如我的pyotrch版本是1.4.0的。在这篇文章https://blog.csdn.net/qq_37569355/article/details/104246813里找到https://download.pytorch.org/libtorch/cpu/libtorch-win-shared-with-deps-1.0.0.zip这样的字样。然后我把1.0.0给改成1.4.0https://download.pyto.
2021-03-22 16:23:10
803
转载 kitti数据集雷达数据的一些说明
一直纠结雷达数据到底去没去畸变，下面这个文章应该解释清楚了https://my.oschina.net/u/4383691/blog/4740424
2021-03-19 10:15:30
828
1
原创 PCL库的点云滤波小结
直通滤波器// Create the filtering objectpcl::PassThrough<pcl::PointXYZ> pass;pass.setInputCloud(cloud);pass.setFilterFieldName("z");pass.setFilterLimits(0.0, 1.0);//pass.setFilterLimitsNegative(true);pass.filter(*cloud_filtered);体素滤波器/...
2021-03-19 08:57:09
459
转载 LOAM的demo
https://blog.csdn.net/liudahanghang/article/details/82660406 良心博客一遍成功
2021-03-03 17:22:32
153
1
转载 速腾雷达录包方法（32线）
链接：https://blog.csdn.net/geerniya/article/details/906810031.得到pcap原始文件2.在ros上回放pcap文件在ros上，修改ros_rslidar中的rs_lidar_32.launch文件，回放pcap命令：roslaunch rslidar_pointcloud rs_lidar_32.launch3.录包：命令;rosbag record -O mybag.bag /rslidar_points...
2021-03-02 10:42:55
674
原创 LeGO-LOAM的utility.h参数解释
弄激光雷达。LeGO-LOAM的默认雷达是velodyne。我手头的雷达是速腾创聚的32线 尝试改下。有个最严重的问题，这个slam是针对垂直分辨率等距的雷达的，而我用的是中间密两头稀的雷达，过后看看研究改下吧。先跑通了再说extern const int N_SCAN = 32;extern const int Horizon_SCAN = 1800;extern const float ang_res_x = 360.0/float(Horizon_SCAN);extern const.
2021-03-02 10:24:50
806
转载 Invalid arguments to find_dependency
好文章 解决了上面的问题https://blog.csdn.net/weixin_45617478/article/details/104113617
2021-03-01 14:28:33
154
转载 激光雷达slam记录
这个是只用一个传感器 ----建图的slam方法https://blog.csdn.net/xmy306538517/article/details/81122663
2021-03-01 09:06:15
362
转载 ORBslam记录
局部地图相关https://blog.csdn.net/u010128736/article/details/53395936
2021-02-09 08:53:55
121
转载 转一篇超赞的ORBSALM优化解读
超赞的ORBSALM优化解读：SLAM系统中，一般的做法是通过P3P或者EPnP等方法进行投影估算出相机位姿，进而构建最小二乘对估计的相机位姿进行优化，从而得到精度比较高的位姿。优化完后可以剔除一些outlier点，这样的话后边再进行投影和优化的时候精度会有所保证。ORB-SLAM系统当中的优化分为下面5个，从优化的范围层次逐步扩大。，1.位姿优化函数PoseOptimization一些说明：PoseOptimization优化的是单帧图像的位姿。相机在运动的时候每个图像帧可以对应三维世界中多个
2021-02-08 15:01:08
568
转载 pose graph 说的很清晰的一篇文章
https://blog.csdn.net/Hansry/article/details/78046342?locationNum=8&fps=1#
2021-02-07 16:46:42
2882
转载 cityscapes数据集具体使用方法
例如这次用得是cityscapes数据集。第一步首先要找到数据集label颜色对应类别的列表：（这个一般在官网或者是github上会有，cityscapes我就是从github上找的）Label = namedtuple('Label', [ 'name', 'id', 'trainId', 'category',
2021-02-05 09:23:23
9077
4
转载 为什么尽量不要使用using namespace std？
https://blog.csdn.net/my_precious/article/details/49701339学习了
2021-01-26 10:56:43
168
原创 关于光流hession矩阵计算的一些细节记录
光流的hession矩阵 一些记录1.矩阵的特征值之和等于矩阵的行列式2.矩阵的特征值之积等于矩阵的迹
2021-01-25 09:25:34
535
1
原创 光流代码
int FeatureRender:: EdgeDetection(Eigen::MatrixXf &Aimg, Eigen::MatrixXf &Bimg, Eigen::MatrixXf &Ix, Eigen::MatrixXf &Iy, int h, int w){ int i = 0, j = 0; Aimg = Aimg / 255.0; Bimg = Bimg /.
2021-01-22 17:30:17
201
转载 git小乌龟版本回退方法
https://blog.csdn.net/weixin_37542119/article/details/105223818
2020-12-30 10:53:05
2689
转载 解决 batch_sampler option is mutually exclusive with batch_size, shuffle, sampler, and drop_last
因为我再dataloader中传入了drop_last=True，就报错ValueError: batch_sampler option is mutually exclusive with batch_size, shuffle, sampler, and drop_last，看源码发现问题所在，因为参数设置的冲突导致，我设置batch_sampler这个参数，一旦指定了这个参数，那么batch_size,shuffle,sampler,drop_last就不能再制定了（互斥——Mutually excl
2020-12-22 16:29:40
837
原创 【语义分割系列】ICNET（实时语义分割）理论以及代码实现
git地址：https://github.com/Tramac/awesome-semantic-segmentation-pytorch几乎囊括了语义分割的主流源码.调试了一个效果还不错
2020-12-22 14:44:12
6175
9
原创 dso的FEJ部分代码
//投影点关于各个参数的导数。其是组成雅克比矩阵的元素//有2个看一处看不懂的地方。除了相机内参和位姿用了FEJ//对逆深度感觉也是用FEJ了呢.对光度参数和图像梯度没用FEJ能看出来//高翔的博客是说位姿和光度用了FEJ 而宫益群的前面写的是对位姿和光度//用了FEJ ，后面优化部分又写对相机内参和位姿用了FEJ 。前后矛盾，但是//后面的说法和代码比较吻合。奇怪奇怪 double PointFrameResidual::linearize(CalibHessian* HCalib).
2020-12-21 15:00:02
1528
1
原创 DSO边缘化理论与代码对应做个笔记
1.雅克比矩阵DSO的雅克比矩阵组成有三部分： 一部分是几何雅可比，描述各量相对几何量，例如旋转和平移的变化率； 二部分是光度雅可比，描述各个量相对光度参数的雅可比； 三部分图像雅可比，即图像梯度； 目标函数就是最小光度误差那个函数论文中的公式 42.FEJ 几何和光度的雅可比，相对自变量来说通常是光滑函数；而图像雅可比则依赖图像数据，不够光滑；所以，在优化过程中，几何和光度的雅可比仅在迭代开始时计算一次，此后固定...
2020-12-17 10:02:40
910
转载 Normalization如何解决梯度消失
转载大神的文章。感觉写的通俗易懂https://blog.csdn.net/sinat_33741547/article/details/87158830具体计算的方法可以看我的博客https://blog.csdn.net/gbz3300255/article/details/107997814在训练过程中，随着网络加深，分布逐渐发生变动，导致整体分布逐渐往激活函数的饱和区间移动，从而反向传播时底层出现梯度消失，也就是收敛越来越慢的原因。说白了Normalization就是为了解决上面问题
2020-12-16 09:07:18
819
原创 pytorch常用优化器总结
1.梯度下降原理 梯度下降的主要目的是通过迭代找到目标函数的最小值，或者收敛到最小值。最常用的例子就是下山，例如每1步算是一次步长，每次向下走都找最陡峭的地方（不考虑摔死的情况...）。假设山体是近似光滑没有山谷的，那么最终会找到一条最短最快的下山路径，这个路径也是梯度最陡的地方。 ...
2020-12-15 15:02:38
770
原创 python的list循环删除数据方法
正序循环，删除时候会报错。倒序循环可以完实现ist中循环遍历删除数据需求。。num_list = [1, 2, 3, 4, 5]print(num_list)for i in range(len(num_list)-1, -1, -1): num_list.pop(i) print(num_list)print(num_list)结果如下：[1, 2, 3, 4, 5][1, 2, 3, 4][1, 2, 3][1, 2][1][]...
2020-12-14 11:33:06
638
转载 如何处理欠拟合、过拟合
如何处理欠拟合、过拟合？在我们机器学习和深度学习的训练过程中，经常会出现过拟合和欠拟合的现象。训练一开始，模型通常会欠拟合，所以会对模型进行优化，然而等到训练到一定程度的时候，就需要解决过拟合的问题了。如何判断过拟合呢？我们在训练过程中会定义训练误差，验证集误差，测试集误差（泛化误差）。训练误差总是减少的，而泛化误差一开始会减少，但到一定程序后不减反而增加，这时候便出现了过拟合的现象。如下图所示，从直观上理解，欠拟合就是还没有学习到数据的特征，还有待继续学习，而过拟合则是学习进行的太彻底，.
2020-12-10 14:54:16
809
转载 DSO的零空间一些记录
-1：前言:看到篇对DSO零空间介绍的文章，记录一下防迷路，致敬大神！！！！0.原文地址： https://blog.csdn.net/wubaobao1993/article/details/105106301/1.slam中的零空间： 通常举例子最常用的就是尺度，也就是当地图的规模扩大一个倍数的时候，整个SLAM的优化问题是不变的，也就是我们所说的不客观。进而这里明确一个点：SLAM中的零空间其实是整个优化问题的零空间，而不是说是优化中某个节点的零空间。就...
2020-12-07 10:04:08
355
1
KCF/DCF英文论文原文，带注释哟
2018-07-19
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人