原理
在查阅文章的开始只注重了使用CNN的SLAM的文献,后来注意到一些RNN的方法也可以借鉴,因此查阅了一下当前使用RNN做三维重建,SLAM等问题的文章,果然存在一些不错的文章.
所以这里介绍首先介绍一下LSTM的原理和方法.
LSTM的出发点就二十为了解决RNN中梯度回传的问题:The vanishing gradient problem for RNNs,也就是后面时间的节点对于前面时间的节点感知力下降,也就是忘事儿,这也是NN在很长一段时间内不得志的原因,网络一深就没法训练了.原理框图是这样的
想要详细的了解关于LSTM的方方面面,可以参考文章
https://colah.github.io/posts/2015-08-Understanding-LSTMs/
以及他的译文
http://www.jianshu.com/p/9dc9f41f0b29
中文的简要介绍可以参考这里
https://tigerneil.gitbooks.io/deep-learning-researchers/content/lovely_lstm.html