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(30)
  • 资源 (3)
  • 收藏
  • 关注

原创 linux opencv4.2

cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D INSTALL_C_EXAMPLES=ON -D WITH_TBB=ON -D WITH_V4L=ON -D WITH_QT=ON -D WITH_OPENGL=ON D OPENCV_EXTRA_MODULES_PATH=../opencv/opencv...

2020-10-10 16:25:11 221

原创 深度学习(9)-word embedding

Word Embedding在自然语言处理中词向量是很重要的,首先介绍一下词向量。之前做分类问题的时候大家应该都还记得我们会使用one-hot编码,比如一共有5类,那么属于第二类的话,它的编码就是(0, 1, 0, 0, 0),对于分类问题,这样当然特别简明,但是对于单词,这样做就不行了,比如有1000个不同的词,那么使用one-hot这样的方法效率就很低了,所以我们必须要使用...

2019-11-11 23:05:10 371

原创 深度学习(7)深入理解dropout

目录:Dropout简介1.1 Dropout出现的原因1.2 什么是Dropout2. Dropout工作流程及使用2.1 Dropout具体工作流程2.2 Dropout在神经网络中的使用3. 为什么说Dropout可以解决过拟合4. Dropout在Keras中源码分析1. Dropout简介1.1 Dropout出现的原因在机器学习的模型中,如果模...

2019-11-06 21:31:50 724

原创 深度学习(6)tensorflow-summary for tensorboard

tensorboard 作为一款可视化神器,可以说是学习tensorflow时模型训练以及参数可视化的法宝。而在训练过程中,主要用到了tf.summary()的各类方法,能够保存训练过程以及参数分布图并在tensorboard显示。tf.summary.scalar用来显示标量信息,其格式为:tf.summary.scalar(tags, values, collectio...

2019-11-06 21:31:12 336

原创 深度学习(8)深入理解pytorch的卷积池化及tensor shape的计算

卷积层1、class torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)一维卷积层,输入的尺度是(N, C_in,L_in),输出尺度( N,C_out,L_out)的计算方式:N为批次,C_in即为in_ch...

2019-11-06 20:30:11 841

原创 Ubuntu启动错误——kernel panic not syncing vfs unable to mount root fs on unknown-block 0 0 – error...

出现这种错误的原因多半是/boot盘空间不够,你的Ubuntu内核做了许多的更新,而默认情况下,Ubuntu将保留旧的内核并将它们添加到可在Grub2启动加载器菜单中启动的可用内核列表中。你可以通过以下命令来确定你的/boot是否已经爆满:df -h现在的情况是系统已经无法进入,连修复模式也没办法开启,所以我们要想办法。在进入引导界面的时候,可以...

2019-08-20 13:03:00 1382

原创 ubuntu for deep learning setup

Recommend: Ubuntu16.04 + cuda10 + tensorflow1.12 on 2块NVIDIA RTX2080Ti在新下载和更新软件需要指定源,国内的比较快备份 sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak修改 sudo gedit /etc/apt/sources.list将source.list...

2019-08-20 12:52:19 197

原创 ubuntu16.04+cuda9.0_cudnn7.5+tensorflow-gpu==1.12.02019-08-19

1、查找可用的tensorflow源,该命令运行后终端会输出所有可用的源anaconda search -t conda tensorflowimage2、这里name是上一步中输出源的tensorflow name栏的名称,show命令会在终端输出该源具体的信息和下载需要的指令,执行后如图:anaconda show name(RMG...

2019-08-19 22:32:00 212

原创 Python中的NPY可视化

import numpy as npimport argparseimport matplotlib as pltfrom mpl_toolkits.mplot3d import Axes3Dif __name__ == '__main__': parser = argparse.ArgumentParser() parser....

2019-08-19 21:36:00 8228

原创 ubuntu在不同版本的cuda下切换

之前安装了CUDA8.0,cuDNN5.1,现在同时想用另一个版本,所以安装两个版本的CUDA、cuDNN来回切换这样就不用来回卸载安装了。1、下载CUDA9.0进入到下载的文件所在目录cd ~/Downloads安装CUDAsudo sh cuda_9.0.176_384.81_linux.run注意安装过程中提示是否安装驱动的时候选择n...

2019-08-16 21:23:00 761

原创 Anaconda中使用不同版本的cuda

使⽤用指南安装 Anaconda3检查是否已经安装anaconda,看 which conda 是否有输出 若没有,按照 https://docs.anaconda.com/anaconda/install/进⾏行行安装创建anaonda环境比如现在要使⽤用tensorflow1.13,它要求⽤用cuda 10.0.第⼀步 创建环境conda ...

2019-08-16 20:58:00 16580 4

原创 深度学习(4)Pytorch API

作者:aiqiu_gogogo来源:CSDN原文:https://blog.csdn.net/aiqiu_gogogo/article/details/78645887torch.nn.Module打印所有子模块:for sub_module in model.children(): print(sub_module)按照名字打印子模...

2019-07-12 12:01:00 224

原创 衡量点云重建结果的指标-CD、EMD

因为点云的无序性,我们必须找到一种合适的方式来衡量生成点云与groundtruth点云之间的质量差异。有两个衡量指标CD(chamfer distance)、EMD(earth mover's distance)。Chamfer DistanceCDCD是计算生成点云和groundtruth点云之间,平均的最短点距离。上面这个图是对称...

2019-06-04 16:44:00 5011 1

原创 Mining Point Cloud Local Structures by Kernel Correlation and Graph Pooling

image论文解决什么问题:深度学习用于点云,难度在于局部几何结构特征的提取相比于传统在CNN上应用的二维图像,三维点云并不规则。所以通常的做法是先把点云体素化,再去应用三维卷积神经网络。但是通常体素化后的点云分辨率低,并且在训练过程中,需要的计算量和存储会更大。PointNet提出了直接在点云上进行卷积操作的方法,通过per-poin...

2019-05-16 22:29:00 1018

原创 Discover Structure

1、根据需要,在目标平面上采样足够数量的点,每一个点代表着一个patch,计算出这个点所代表patch的局部特征向量2、我们把相似特征的点放在同一个集合里,可以想到,最大的集合里更有可能包含描述目标平面的结构单元,也最有可能从其中提取出结构的规则性。计算最大集合中所有patch 两两之间的转换关系,根据相似的转换关系,我们就能发现结构上的规律。...

2019-05-10 22:36:00 232

原创 听苏昊老师报告有感

image今天听了苏昊老师在DL和3D方面的工作,有些不成熟的感受。我发现大佬的科研都是有自己的世界观的,他们能从真实世界一个最基本甚至简单的定理和规律上归纳自己的工作,并且随着工作的的深入,他们的工作和现实世界的联系越来越紧密。比如,在计算机图形学领域,计算机图形学很大一部分是研究对世界如何建模,我们知道了如何构建世界就能更深刻的去理解世...

2019-05-09 17:25:00 523

原创 加拿大西蒙弗雷泽大学张皓教授谈三维形状正确表达及生成

2019年4月24日,加拿大西蒙弗雷泽大学张皓教授来访北京大学前沿计算研究中心,在静园五院作了题为“Finding the Right Representations For Generative Modeling of 3D Shapes ”的学术报告。报告由中心执行主任陈宝权老师主持,听众大多为来自北京大学信息科学技术学院的师生,也包括了来自国防科技大...

2019-04-29 00:14:00 531

原创 Image Inpainting总结

2019-04-25 17:26:00 755

原创 平面结构指导的图像补全《Image Completion using Planar Structure Guidance》

Image completion的分类平行平面fronto-parallel大多数image completion的工作,都是找到最接近的patch,来补全当前缺失的部分。[Wexler et al. 2007]Patchmatch的方法通过随机搜索和传播模式加速了这个过程。Barnes et al. [2009]这样的方法有两个重大...

2019-04-25 16:30:00 990

原创 读懂TSDF(Truncated Signed Distance Function)

1、获取体素在全局坐标系下的坐标(x,y,z),根据ICP配准得到的变换矩阵,将体素的坐标从全局坐标系转换到相机坐标系;2、根据相机的内参矩阵,转换到图像坐标系,得到体素所在的图像坐标(u,v);3、如果第i帧深度图像(u,v)处的深度值D(u,v)不为零,则比较D(u,v)与体素相机坐标V(x,y,z)中z的大小。如果D>z,说明体素距离相机近...

2019-04-18 21:23:00 6551

原创 《Dip Transform for 3D Shape Reconstruction》基于浸入转换 3D 形状重建

图1 Dip Transform当前的3D形状获取和重建方法主要集中于光学扫描,在当形状包含扫描仪视线无法访问的高度遮挡情况下很少涉及。 因此,基于常规(光学)扫描仪,复杂的形状不能被适当地获取或重建。 此外,一些物体由光泽或透明材料制成,这是普通光学不能处理的另一个挑战。阿基米德泡澡我们的技术基于古代的阿基米德原理,阿基米德...

2019-04-17 20:06:00 521

原创 《Shape Completion using 3D-Encoder-Predictor CNNs and Shape Synthesis Angela》

pipelinegraph TDA[3D-EPN: predict global structure in unknown area] --> B[correlate these intermediary result with 3D geometry from a shape database]B --> C[patch-based 3...

2019-04-14 21:51:00 514

原创 读《图灵奖颁给熬过寒冬的人》有感

今天读了新智元的推文《图灵奖颁给熬过寒冬的人》ACM刚刚公布2018年图灵奖获得者,深度学习三巨头:Yoshua Bengio、Geoffrey Hinton、Yann LeCun获奖,深度学习获得了最高荣誉。三巨头获奖的背后,是一段经历了寒冬的艰辛之路。很受触动,做研究到底应该是什么样的,这是我一直以来都有的疑问。过去和现在的经历不断打破着我的...

2019-03-28 13:09:00 342

原创 PatchMatch:针对结构图片编辑的随机对应算法

前情提要图像补全(image inpainting)最初是一个传统图形学的问题。问题本身很直观:在一幅图像上挖一个洞,如何利用其它的信息将这个洞补全,并且让人眼无法辨别出补全的部分。这个问题对我们人类似乎很容易,比如下面图。但是这个任务对于计算机却显得格外困难,首先这个问题没有唯一确定的解,其次如何利用其它的信息?如何判断补全结果是否足够真实?...

2019-03-21 17:23:00 967

原创 哪所大学为NBA输出了最多的优质球员?

哪所大学为NBA输出了最多的优质球员?提出问题很多老球迷都明白一个道理,当球队战绩差到惨不忍睹,又无法通过交易得到超级巨星,那么选秀,成了球队唯一的出路。选择一位优秀的新秀作为球队基石,绝对能够让球队未来可期。远的如马刺队邓肯,近的像76人恩比德,皆是如此。所以,我想通过数据分析,到底哪几所大学,能够经常培养出优质的球星。理解数据首先,我们先明确一...

2019-03-20 22:05:00 188

原创 三维城市:深度学习三维应用

在这篇文章中,我们将继续探索深度学习模型如何应用于从三维空间数据中,并从中提取信息的方式,特别是在大型地理区域,3D建筑模型重建情况下 - 从个别城市到整个区域。地理信息系统的三维信息并不新鲜:多年来,有一些领域,空间坐标都被认为是必不可少的:气候学,海洋学,地质学,建筑学,公用事业网络等。如今,城市的3D模型也是如此。 这些模型正在迅速被...

2019-03-18 18:27:00 2311

原创 深度学习(3)Long short term memory-LSTM

Recurrent Neural Network相比于一般的神经网络,比如MLP(Full-connection Neural Network),RNN是一种用于处理序列数据的神经网络,它能处理序列变化的数据。比如一个单词在上下文中的会有的不同含义。它能很好地处理这类问题。RNN简介Naive RNNx为当前的输入状态h为接收的上一节...

2019-03-16 16:02:00 578

原创 深度学习(2)Unspervised Attention-guided Image-to-Image Translation

这篇文章基于CycleGAN的工作。虽然也是做图像域的转换,并且在转换时,只关注图像中的前景,达到前景转换而背景不变的效果摘要当前的无监督图像域转换,努力把转换重点放在图像中的一个物体或者多个物体,同时保证背景不变。启发于人自己的注意力机制,这篇文章提出了无监督的关注机制,结合生成器和辨别器的对抗机制。网络架构Data-flow d...

2019-03-13 10:34:00 593

原创 深度学习(1)Spatial Transform Network

相关背景如果网络中的图片,经过旋转、平移、缩放及裁剪等操作,网络输出同样的检测结果,那么我们说这个网络具有空间变换不变性。传统CNN网络的池化层具有平移不变性,但是CNN网络对于大尺度的空间变换,不具备不变性。STN提出的空间网络变换层,具有保证网络保持空间变换不变性的能力。这样,这个网络可以加到现有的卷积网络中,提高分类的准确性。举个例子:输入手...

2019-03-12 22:07:00 791

原创 深度学习一百篇

2019.3.12 立个flag​ 自从结束上一个项目,一直想在深度学习方面有所发展。 看了很多博客,看了不少论文,但仍然感觉自己没有系统的掌握深度学习,没有根本上去理解。我觉得很重要的原因就是一直都是被动式去理解,没有主动式表达产出。 趁着现在还有时间,我觉得要好好学习一下表达这件事,这不仅仅意...

2019-03-12 15:14:00 95

山东大学2013级计算机网络考试重点

山东大学2013级计算机网络考试重点

2016-04-20

山东大学音频编辑课程实验

实验与考察1(25分): (1)随意选取4个不同的音频文件,使用GoldWave,从每个文件中选取20-40秒的音频段,以原文件名保存。 (2)使用GoldWave的批处理功能,把4个音频文件(指已截取的音频段)的“文件信息”中的“艺术家”栏修改为自己的名字,如“程灵素”;把“唱片集”栏修改为自己的学号,如“201401001”;把“唱集艺术家”栏修改为自己的学号名字;如“201401001程灵素”;把“日期”栏修改为工作当天的日期;如“2015/10/20”;“标题”栏不变;其余栏目随意设置。

2015-11-09

java你画我猜实验报告

这是你画我猜实验报告的最终版本,同时也可作为编写你画我猜的思路进行阅读。

2014-05-22

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