- 博客(36)
- 收藏
- 关注
RSS订阅原创 皮卡丘靶场搭建遇到的问题大全
自己电脑开启了mysql服务，使用win+r，services.msc，找到自己的mysql服务，关闭。再次尝试使用phpstudy_pro启动mysql，成功解决。
2023-08-29 16:44:27
1071
原创 没事刷刷LetCode——整除幸运数
假定幸运数是只包含4或7的正整数，如7、47。判断一个正整数是否能被一个幸运数整除。是则输出YES,否则输出N0。不考虑负数，0或者其他特殊情况。不考虑流出或者超出整型范围的情况。
2022-12-30 19:14:14
560
原创 FOMM模型的公式推导
是假设的参考帧的关键点。现在，其中一个我们已经求出来了，再看后面部分，后面的部分是对。，如何我们能够找到一个这样的映射关系，就等同于我们找到了源帧到驱动帧的映射关系。，因此，它对此进行了一阶泰勒展开，引出了它的名字，一阶动态模型。代表的是从驱动帧到参考帧的映射，那么输入驱动帧的关键点。你要看作是一个函数，它是一个映射关系，传入一个。其实是驱动帧中的关键点，通过一个映射关系。注意，上述式子符号很多，很乱，这里的。的一个领域，对于该领域内任意一点。文章提出，我们找到这个函数的。，同样的，这里，我们要知道。
2022-10-17 16:23:09
568
原创 数学定理（2）——凸包算法
凸包(Convex Hull)是一个计算几何（图形学）中的概念。在一个实数向量空间V中，对于给定集合X，所有包含X的凸集的交集S被称为X的凸包。X的凸包可以用X内所有点（X1，X2，...，Xn）的线性组合来构造。在二维欧几里得空间中，凸包可想象成为一条刚好包裹所有点的多边形。具体来说就是我们需要使用集合中最外圈围成一个多边形，这个多边形正好将所有的点集包含在内，此时，我们就叫这个多边形叫凸包。
2022-10-11 20:33:07
297
原创 CV入门（1）——权重初始化
到此，我们的初步网络已经可以手工了，但是在现实中，我们真正使用神经网络的时候，我们还需要应用到激活函数，从而达到非线性的映射关系。然而，我们的期望是什么，我们希望网咯的输出分布还是能够保持在正态分布中，那么，在这100层矩阵乘法中，我们怎么保证我们的输出最终还是符合标准正态分布勒？我们可以证明，在给定的层，我们从标准正态分布初始化的输入x和权重矩阵a的矩阵乘积，平均而言，标准偏差非常接近输入通道的平方根，在这个例子中是。此外，我们假设我们的输入经过了100层的简单网络，每一层都包含一个权重矩阵a。
2022-10-09 18:36:12
505
原创 矩阵QR分解
其中虚线框的部分相乘全为0，没有意义，我们可以简化省略掉。我理解到这里就可以了，还有三个求解方法，以后有需要再补。据我了解，任意一个矩阵都能进行QR分解。
2022-10-07 19:24:54
588
原创 初入SLAM（6）——双目视觉标定后得到三维空间坐标
其中fx，fy为焦距f为dx，dy的乘积，dx代表u轴上的一个像素点的实际距离是多少，dy代表v轴上的一个像素点的实际距离是多少（可能有误，注意判别）。摄像机矩阵由内参矩阵跟外参矩阵构成，具体得到可以通过MATLAB工具箱标定得到，到处都是博客，在此就略过了。在Opencv中的话，可以通过cv2.solve(A,B,cv2.DECOMP_SVD)求解。当图片进行校正后，就可以进行坐标计算了，校正我们也略过，到处都有。通过式（2-3），我们可知，对于左右相机，存在。通过联立式（2-1）（2-2）可以得到。
2022-10-01 12:52:56
1863
4
原创 初入SLAM（4）——Shi-Tomasi角点检测
我们只需要注意cv2.goodFeaturesToTrack（）函数，当其中的useHarrisDetector为True，就是进行Harris角点检测，为False，就是进行Shi-Tomasi角点检测。中，我们详细介绍了Harris角点检测。现在是时候学习Shi-Tomasi了。在（1）中，我们得到Harris的评分函数是。都大于阈值，落在其中的点被认为是角点。如果大于阈值，则将其视为角点。
2022-09-25 21:21:44
214
原创 初入SLAM（3）——cornerSubPixel源码分析
/获取窗口内子图像 bool getSubImg(cv :: Mat srcImg , cv :: Point2f currPoint , cv :: Mat & subImg) {
2022-09-25 12:29:19
795
原创 初入SLAM(2)——用最小二乘法求亚像素坐标
在立体匹配过程中，我们希望匹配点之间的差距能尽可能小，而中，我们接受了使用Opencv获得Harris角点并详细推导了其数学公式。这里的角度坐标是像素坐标，对应的是（整数，整数）。为了获取更精确的像素坐标，我们需要求得亚像素坐标。
2022-09-24 23:05:15
671
2
原创 初入SLAM(1)——Harris角点检测
https://blog.csdn.net/lbaihao/article/details/78919700https://docs.opencv.org/4.x/dc/d0d/tutorial_py_features_harris.html自相关函数计算如下，(x,y)为窗口中心位置，w(u,v)为权重（一般取高斯函数），L表示窗口，(u,v)表示窗口中的图像位置。c(x,y,Δx,Δy)=∑(u,v)∈Lw(u,v)⋅[I(u,v)−I(u+Δx,v+Δy)]2\mathrm{c}(\mathrm
2022-09-24 13:59:56
423
原创 逆透视变换——变换矩阵的Python实现
进行透视变换，需要选择四个点，这些点定义了一个长方形，但是在原始图像中由于照相角度等问题，它并没有呈现出是一个长方形，为了变换视角，我们需要进行透视变换。透视变换本质上是将图片从一种视角通过四个点之间的线性变换得到另一种视角。
2022-09-22 13:17:06
2050
原创 没事刷刷LetCode——617.合并二叉树
想象一下，当你将其中一棵覆盖到另一棵之上时，两棵树上的一些节点将会重叠（而另一些不会）。你需要将这两棵树合并成一棵新二叉树。合并的规则是：如果两个节点重叠，那么将这两个节点的值相加作为合并后节点的新值；否则，不为 null 的节点将直接作为新二叉树的节点。1.一树节点为空，另一树节点不为空，此时直接赋值另一树节点。给你两棵二叉树： root1 和 root2。注意: 合并过程必须从两个树的根节点开始。2.两树节点都不为空，此时合并数值。3.两树节点都为空，不做处理。返回合并后的二叉树。
2022-09-19 10:45:01
59
原创 没事刷刷LetCode——733.图像渲染
符合条件的像素点与他们对应 四个方向上 像素值与初始坐标相同的相连像素点，……将所有有记录的像素点的颜色值改为 newColor。你应该从像素 image[sr][sc] 开始对图像进行 上色填充。有一幅以 m x n 的二维整数数组表示的图画 image ，其中 image[i][j] 表示该图画的像素值大小。首先我们需要掌握一个方法，使用两个常数数组表达x与y的变化，代表上下左右四个坐标。像素值与初始坐标相同的相连像素点，接着再记录这。，从初始像素开始，记录初始坐标的。
2022-09-17 22:41:50
70
原创 没事刷刷LetCode——1624. 两个相同字符之间的最长子字符串
这就很简单，我们只需要记录下26个字母第一次出现在什么地方，后面再出现就减一下得长度，与当前的最大长度比较一下就可。注意这道题是说计算时不含这两个字符，也就是不需要考虑这两个字符串中间是否还有重复的字符串。，计算长度时不含这两个字符。如果不存在这样的子字符串，返回 -1。空间上需要一个存储26个字符串的vector，O(1).子字符串 是字符串中的一个连续字符序列。给你一个字符串 s，请你返回。时间上遍历字符串一次O(n)
2022-09-17 20:43:12
664
原创 没事刷刷LetCode——567. 字符串的排列
给你两个字符串 s1 和 s2 ，写一个函数来判断 s2 是否包含 s1 的排列。如果是，返回 true；否则，返回 false。换句话说，s1 的排列之一是 s2 的 子串。
2022-09-16 10:58:33
89
原创 关于torch.distributed.barrier()的作用
当进程遇到障碍时，它将阻塞屏障的位置并不重要（例如，并非所有进程都必须输入相同的 if 语句）一个进程被一个屏障阻塞，直到所有进程都遇到一个屏障，在这个屏障上为所有进程解除这些屏障。
2022-09-16 00:06:46
1462
原创 没事刷刷LetCode——876. 链表的中间结点
给定一个头结点为 head 的非空单链表，返回链表的中间结点。如果有两个中间结点，则返回第二个中间结点。
2022-09-15 21:47:45
35
原创 没事刷刷LetCode——672. 灯泡开关 Ⅱ
房间中有 n 只已经打开的灯泡，编号从 1 到 n。墙上挂着 4 个开关。这 4 个开关各自都具有不同的功能，其中：开关 1 ：反转当前所有灯的状态（即开变为关，关变为开）开关 2 ：反转编号为偶数的灯的状态（即 2, 4, …）开关 3 ：反转编号为奇数的灯的状态（即 1, 3, …）开关 4 ：反转编号为 j = 3k + 1 的灯的状态，其中 k = 0, 1, 2, …（即 1, 4, 7, 10, …）你必须 恰好 按压开关 presses 次。
2022-09-15 21:06:41
98
原创 rectangular training 矩阵训练
矩阵训练是yolov3使用的一个tricks以前的训练都是Square training，也就是说输入图片是一个正方形。
2022-09-14 14:29:38
1605
2
原创 没事刷刷LetCode——557.反转字符串中的单词 Ⅲ
给定一个字符串 s ，你需要反转字符串中每个单词的字符顺序，同时仍保留空格和单词的初始顺序。
2022-09-14 10:37:18
82
原创 没事刷刷LetCode——344.反转字符串
编写一个函数，其作用是将输入的字符串反转过来。输入字符串以字符数组 s 的形式给出。不要给另外的数组分配额外的空间，你必须原地修改输入数组、使用 O(1) 的额外空间解决这一问题。
2022-09-14 10:31:30
57
原创 没事刷刷LetCode——1619.删除某些元素后的数组均值
给你一个整数数组 arr ，请你删除最小 5% 的数字和最大 5% 的数字后，剩余数字的平均值。与 标准答案 误差在 10-5 的结果都被视为正确结果。
2022-09-14 10:08:30
44
原创 没事刷刷LetCode——167.两数之和 Ⅱ
给你一个下标从 1 开始的整数数组 numbers ，该数组已按 非递减顺序排列 ，请你从数组中找出满足相加之和等于目标数 target 的两个数。如果设这两个数分别是 numbers[index1] 和 numbers[index2] ，则 1
2022-09-13 14:56:43
52
原创 没事刷刷LeetCode——283.移动零
给定一个数组 nums，编写一个函数将所有 0 移动到数组的末尾，同时保持非零元素的相对顺序。请注意 ，必须在不复制数组的情况下原地对数组进行操作。
2022-09-13 14:43:47
116
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人