- 博客(39)
- 资源 (1)
- 收藏
- 关注
RSS订阅翻译 图像对齐（ECC，Enhanced Correlation Coefficient）
该方法收录在OpenCV中：cv2.findTransformECC论文名为：《Parametric Image Alignment Using Enhanced Correlation Coefficient Maximization》（2008年）教程在此：https://github.com/spmallick/learnopencv/tree/master/ImageAlignment更多教程在此：https://github.com/spmallick/learnopencv2 问题定义
2023-07-18 17:17:32
816
原创 华为诺亚 VanillaNet
作者说，在卷积网络中加入人为设计的模块，达到了更好的效果，复杂度也增加了。公式写得很复杂，根据代码的理解，简单来说就是设计了一组卷积核，参数是可学习的，对激活后的数据做一次卷积，再加上BN。）来实现这一点，从而产生了一系列精简的网络，这些网络解决了固有的复杂性问题，非常适合资源有限的环境。，这是一种新颖的神经网络架构，强调设计的优雅和简单，同时在计算机视觉任务中保持卓越的性能。这些复杂的操作需要复杂的工程实现，包括重写 CUDA 的代码。这么弄了之后，为了增强网络的非线性的能力，又提出了一种有效的，
2023-06-06 21:01:50
924
原创 共轭梯度法（Conjugate Gradients）（1）
最近在看ATOM，作者在线训练了一个分类器，用的方法是高斯牛顿法和共轭梯度法。看不懂，于是恶补了一波。学习这些东西并不难，只是难找到学习资料。简单地搜索了一下，许多文章都是一堆公式，这谁看得懂啊。后来找到一篇《An Introduction to the Conjugate Gradient Method Without the Agonizing Pain》，解惑了。为什么中文没有这么良心的资料呢？英文看着费劲，于是翻译过来搬到自己的博客，以便回顾。由于原文比较长，一共 666666 页的PDF，所
2022-04-10 16:13:49
14926
16
原创 牛顿法，高斯-牛顿法
牛顿法（Newton’s method）假如已知函数 f(x)f(x)f(x)，想要求 f(x)=0f(x)=0f(x)=0 的解（或者叫根）。牛顿法（Newton’s method）大致的思想是：（1）选一个初始位置 x0x_0x0（这个位置最好是在根的附近）；（2）在这个位置上找一个 f(x)f(x)f(x) 的近似函数（通常用泰勒展开）；（3）令近似函数为 000 ，求解；（4）以这个解为新的位置 x1x_1x1；（5）重复上述迭代，到第 nnn 次迭代得到 xnx_nxn，当 ∣
2022-04-05 13:14:11
8820
3
原创 一些单目标跟踪数据集
1. GOT-10k《GOT-10k: A Large High-Diversity Benchmark for Generic Object Tracking in the Wild》Generic Object Tracking Benchmark，提供了一个通用目标跟踪基准，发布于2018年。网站：GOT-10k: Generic Object Tracking Benchmark (http://got-10k.aitestunion.com/)完整数据大概有 666666 GB。部分数据
2022-01-20 17:49:38
4500
原创 Transformer 简记
Transformer 来自文章 《Attention Is All You Need》，2017 年发表于 NeurIPS（Neural Information Processing Systems）。文章共有 8 位作者，分别来自 Google Brain 和 Google Research，它们对文章具有同等贡献。论文发表时，其中两名作者现在不在谷歌，但是相关成果是在谷歌实习期间完成的。虽然文章名字叫做 “Attention Is All You Need”，然而实际上你需要的不仅仅是 Atten
2021-12-29 16:24:42
622
1
原创 主成分分析（Principal Component Analysis，PCA）
降维（Dimensionality Reduction）问题1. 压缩数据降维可以压缩数据，使数据占用更少的计算机内存和硬盘空间，或者是给算法提速。举一个例子，假如你有一组数据，用 2 个特征来描述它：这 2 个特征都表示长度，存在冗余，完全可以只用其中一个。而且从数据分布来看，似乎都在一条直线上。或者我们再创建一个向量来描述它，这里用向量 z\boldsymbol{z}z：通过某种关系把特征 x1x_1x1 和特征 x2x_2x2 融合成一个新的特征 zzz，把 zzz 单独拿出来：
2021-08-15 23:18:45
432
原创 K-Means 算法
聚类（Clustering）问题在 无监督学习（Unsupervised Learning） 中，我们的数据没有附带任何标签。假如我们有一系列数据，它是二维的。这一系列数据只有特征 x=[x1, x2]\boldsymbol{x}=[x_1,\; x_2]x=[x1,x2]，却没有标签 yyy。如下图所示：我们要把这组数据输入到一个算法中，找到一种结构，把图中的数据分成几簇（cluster）。聚类算法可以帮你做这件事情。K-MeansK-Means 算法是一种最常用的聚类算法。给算
2021-08-13 19:59:19
414
原创 支持向量机（Support Vector Machine，SVM）简单介绍
1. SVM 的优化目标前面讲了逻辑回归，SVM 和逻辑回归是很像的，我们试着从逻辑回归过渡到 SVM。 (图1) 如 (图1) 所示，在逻辑回归中，输入样本特征为 x\boldsymbol{x}x，模型参数为 θ\bm{\theta}θ。当样本标签为 y=1y=1y=1 时，我们希望假设函数输出 hθ(x)≈1h_{\bm{\theta}}(\boldsymbol{x})\approx1hθ(x)≈1，也就是说希望 θTx\bm{\theta}^T\boldsymbol{x}θTx 远大
2021-08-10 21:30:49
836
原创 正则化（Regularization），权重衰减（Weight decay）
L2 正则化是怎么减轻过拟合的，权重衰减 (weight decay) 是什么意思。
2021-08-01 22:07:31
588
1
原创 线性回归（Linear Regression）和逻辑回归（Logistic Regression）
1 线性回归（Linear Regression）1.1 建立问题举个例子，你有这样一组数据：波特兰市的城市住房价格的数据，不同尺寸的房子对应不同的售价。现在你有个朋友想要卖房子，他的房子是1250平方英尺，大概能卖多少钱？我们可以根据这组数据，建立一个模型，然后用这组数据集去拟合模型。拟合完毕后，输入1250，它就会告诉你朋友能卖多少钱。看起来这组数据似乎分布在一条直线附近：好，只要找到这条直线的方程，你就能根据面积来预测房价了。（在这个例子里，直线方程就是我们要拟合的模型）如何找到直线
2021-07-25 18:01:28
9091
7
原创 用余弦距离表示向量之间的相似度
很多深度学习的应用里用余弦距离来表示特征向量之间的相似度。这怎么弄呢？首先人为制造一个定义：两个向量的夹角越小，则两个向量越相似。夹角可以通过 cosin\text{cosin}cosin 函数来算：cos(θ)=a⃗⋅b⃗∣a⃗∣∣b⃗∣\cos(\theta) =\frac{ \vec{a} \cdot \vec{b} } {|\vec{a}| |\vec{b}|}cos(θ)=∣a∣∣b∣a⋅b先对 a⃗\vec{a}a 和 b⃗\vec{b}b 归一化之后再算也是一样的。设 a⃗
2021-07-10 18:59:18
650
原创 加权框融合 WBF（Weighted Boxes Fusion: combining boxes for object detection models）
文章PDF地址：https://arxiv.org/abs/1910.13302GitHub地址：https://github.com/ZFTurbo/Weighted-Boxes-Fusion简介作者认为，在目标检测任务中，当实时性要求不强时，集成多个推理模型有助于我们得到更好的结果。于是作者在文中提出了一种方法，可以把多个目标检测模型的预测结果结合起来。这个方法称为 weighted boxes fusion，简称 WBF 。在筛选预测框的过程中，常用的方法是非极大值抑制（non-maxi
2021-06-12 16:49:51
8442
23
原创 古典概型，条件概率，贝叶斯公式
定义，性质定义 设 EEE 是随机试验，SSS 是它的样本空间。 对于 EEE 的每一个事件 AAA 赋予一个实数，记为 P(A)P(A)P(A)，称为事件 AAA 的概率。 如果集合函数 P( ⋅ )P(\, \boldsymbol{\cdot} \,)P(⋅) 满足下列条件： 1∘1^{\circ}1∘ 非负性： 对于每一事件 AAA，有 P(A)⩾0P(A) \geqslant 0P(A)⩾0； 2∘2^{\circ}2∘ 规范性： 对于必然事件 SSS，有 P(S)=1P(
2021-05-30 16:29:11
2004
1
原创 高斯混合模型（Gaussian Mixture Model，GMM）和期望最大化（Expectation Maximization，EM）算法
本文是关于 coursera 上 《Robotics: Estimation and Learning》 课程的笔记。前面讲了一维和多维高斯分布的相关知识。但是在某些情况下，使用 单高斯模型(Gaussian single model, GSM） 会有一些局限。在现实世界中我们需要学习的目标可能符合这样的分布 ：如上图所示，当你用单高斯模型去拟合它时，得到这样的曲线。显然它不能很好地表征目标。这样的目标有多种模式，或者缺乏对称性。你将看到混合高斯模型的表现力则很好，好到可以建模任意的.
2021-05-23 23:04:02
1190
原创 高斯分布的极大似然估计
一维高斯分布一维高斯分布（Gaussian Distribution）的概率密度函数如下：p(x)=12πσexp{−(x−μ)22σ2}p(x)=\frac{1}{\sqrt{2\pi} \sigma} \exp \left\{ - \frac{(x-\mu)^2}{2\sigma^2} \right\}p(x)=2πσ1exp{−2σ2(x−μ)2}高斯分布非常有用，而且非常重要：∙\bullet∙ 描述高斯分布只需要 2 个参数，均值 μ\muμ 和 方差 σ2\sigma^2σ2，
2021-05-15 12:45:06
8719
1
原创 极大似然估计的意思
极大似然估计（Maximum Likelihood Estimate，MLE）这个名字就很奇怪，又拗口，第一次接触时一直不懂到底什么意思。先不讲它的原理，直接先举个例子看看：假设有个篮子，里面装了2种球：红球和白球。问：随便抽一个球，抽到红球的概率是多少？怎么办？现在假设抽到红球的概率是 ppp，则抽到白球的概率是 1−p1-p1−p。ppp 就是我们要的答案。为了得到 ppp 的值，有一个机灵的小伙子做了一个实验：他抽了10次球，每次抽完都放回去。结果是10次里面有7次是红球，有3次是
2021-05-05 17:46:36
960
2
翻译 卡尔曼滤波器(20) -- 多维卡尔曼滤波器(例9)
This blog is translated from https://www.kalmanfilter.net/default.aspx.It’s an excellent tutorial about Kalman Filter written by Alex Becker.目录卡尔曼滤波器(1) – 背景知识卡尔曼滤波器(2) – α−β−γ滤波器(例1)卡尔曼滤波器(3) – α−β−γ滤波器(例2)卡尔曼滤波器(4) – α−β−γ滤波器(例3&例4&总结)卡.
2021-05-05 14:39:47
1610
5
翻译 卡尔曼滤波器(19) -- 多维卡尔曼滤波器(总结)
This blog is translated from https://www.kalmanfilter.net/default.aspx.It’s an excellent tutorial about Kalman Filter written by Alex Becker.目录卡尔曼滤波器(1) – 背景知识卡尔曼滤波器(2) – α−β−γ滤波器(例1)卡尔曼滤波器(3) – α−β−γ滤波器(例2)卡尔曼滤波器(4) – α−β−γ滤波器(例3&例4&总结)卡.
2021-05-04 22:22:01
1294
翻译 卡尔曼滤波器(15) -- 多维卡尔曼滤波器(状态更新方程)
This blog is translated from https://www.kalmanfilter.net/default.aspx.It’s an excellent tutorial about Kalman Filter written by Alex Becker.目录卡尔曼滤波器(1) – 背景知识卡尔曼滤波器(2) – α−β−γ滤波器(例1)卡尔曼滤波器(3) – α−β−γ滤波器(例2)卡尔曼滤波器(4) – α−β−γ滤波器(例3&例4&总结)卡.
2021-05-03 14:48:49
1453
2
原创 ubuntu16.04通过网络访问windows共享文件夹（samba）
SMB(全称是Server Message Block)是一个协议名，它能被用于Web连接和客户端与服务器之间的信息沟通一. 从Ubuntu Desktop访问Windows下samba共享文件夹1. 安装sambawindows的共享文件夹貌似是用的 SMB 协议，所以先给ubuntu装上SMB：apt-get install smbapt-get install smbclient2. 修改配置装好之后，据说ubuntu默认的协议比较旧，连不上，所以改一下配置：sudo gedi.
2021-01-30 15:35:36
7625
原创 链接OpenCV静态库相关错误
./opencv3.4.13/lib/libopencv_core.a(persistence_c.cpp.obj): In function `cvOpenFileStorage_(CvFileStorage*&, char const*, CvMemStorage*, int, char const*)':persistence_c.cpp:(.text._ZL18cvOpenFileStorage_RP13CvFileStoragePKcP12CvMemStorageiS3_+0xa0c):
2021-01-09 16:48:22
3687
1
原创 一种快速的幂运算方法（底数是自然数e，指数是浮点数）
问题 给一个浮点数 yyy，现在需要你求出 eye^yey 的值是多少。 最便捷的方法是用库函数，例如在C++中<math.h>头文件提供了exp()函数，但是速度不够快。 在深度学习（DeepLearning）中经常需要花费大量时间进行幂运算，典型场景是使用激活函数和计算概率分布的时候。例如在 SoftMax 层通常需要进行底数是 eee ，指数是浮点数的幂运算。 提高幂运算的速度能有效提高神经网络的推理速度。方法 参考文章《A Fast, Compact Approx
2020-09-07 13:02:45
3881
原创 几种内存遍历写法的效率比较
众所周知，要访问数组中某个变量，有几种方式：（1）用数组下标；（2）用指针；现在有一个很大的数组，要给它的元素逐个赋值（或者遍历），怎样遍历效率较快？看看下面demo： void test_accessMemory(){ double time[10]; int *memory = new int[7680*4320]; // 一幅8K图像 int *ptr = memory; int index = 0;
2020-09-04 19:27:47
819
原创 用NEON intrinsic实现RGB转YUV420SP(NV12)
如题，现在要把RGB图像的数据转成YUV数据。1. 数据的排列方式 先来看看两种数据在内存里是按什么方式排列的1.1 RGB的排列 如图所示，1组RGB表示1个像素的颜色，每个像素依次排列。图中有8组RGB数据，即8个像素点。1.2 YUV的排列 如图所示，这里是 YUV420SP(NV12) 的排列方式，YUV的比例为Y:U:V=4:1:1。Y代表像素点的明亮度（灰阶），图中有48个Y，即48个像素点。UV代表像素点的色度，1个U和1个V组合到一起能表示一种颜色，在YUV420
2020-08-14 20:17:41
4076
11
翻译 浮点数规范（IEEE754）
本文主要参考《IEEE Standard for Floating-Point Arithmetic》1. Floating-point formats浮点数格式1.1 Specification levels描述等级 浮点算术是对于实际算术的系统近似，如表1.1所示。浮点算术只能表示连续实数的一个有限子集。因此对于实数的某些属性（例如加法结合律（associativity of addition）），并不总是适用于浮点算术。 表1.1 规范化等级及其格式 L
2020-08-10 15:50:52
1553
翻译 NEON码农指导 Chapter 3 : NEON Instruction Set Architecture
Translated from 《NEON Programmer’s Guide》翻译可能有偏差，描述可能有错误，请以原著为准???? 本章介绍了NEON指令集语法1. Introduction to the NEON instruction syntax NEON指令语法简介 NEON指令（以及VFP指令）均以字母V开头。...
2020-08-08 17:25:50
2216
翻译 NEON码农指导 Chapter 2 : Compiling NEON Instructions
Translated from 《NEON Programmer’s Guide》翻译可能有偏差，描述可能有错误，请以原著为准???? 本章介绍了如何使用C或汇编，写针对NEON硬件的代码。以及一些工具和库，用来支持此功能。1. Vectorization 向量化 NEON被设计成一种附加的加载/存储体系结构，以提供对C / C ++等语言的良好向量化编译器支持。这实现了高度的并行性，可以手动编码NEON指令，实现非常高性能的应用程序。它包括低成本升级和降低数据大小，还包括结构化的加载能力
2020-08-07 11:21:13
1509
翻译 NEON码农指导 Chapter 1 : Introduction
1. Data processing technologies1.1 Single Instruction Single Data 每个操作指定要处理的单个数据，处理多个数据需要多条指令。下面的代码用4条指令把8个寄存器相加： add r0, r5 @ r0 = r0 + r5 add r1, r6 add r2, r7 add r3, r8 这种方式很慢，并且很难看到不同寄存器之间是怎么关联的。为了提高效率和性能，媒体处理通常下放到不同的处理器
2020-08-04 20:30:11
1387
翻译 Coding Neon - Part3：Matrix Multiplication
第1部分讲了如何用Neon来加载和存储数据，第2部分讲了对向量进行操作后，如何处理最后多出来的数据（指数据不够，无法凑成一个完整的向量）。 本文介绍一种有用的数据处理：矩阵乘法。Matrices（矩阵） 我们来看看怎样高效滴做4x4矩阵的乘法，这种操作在3D图像处理中经常用到。假设矩阵是以列优先顺序（column-major order）的形式存储在内存里——OpenGL-ES就是采用这种格式。...
2020-07-31 12:58:59
525
原创 小技巧
1. 求余数要求A除以x余几，若x是2的n次方，则答案是：// c++代码int ans = A & (x-1);按位与的速度很快。举个例子：A = 7，x = 4，答案是3。过程：// c++代码int A = 0b111; // 二进制表示, A为7int x = 0b100; // 二进制表示, x为3int ans = A & (x-1); ...
2020-07-30 20:04:06
125
翻译 Coding Neon - Part2：Dealing With Leftovers
在本系列的第1部分中，探讨了如何在Neon处理单元和内存之间传输数据。在本文中，我们处理一个经常遇到的问题：输入数据不是要处理的向量长度的倍数。你需要在数组的开头或结尾处，处理剩余的元素——在Neon上处理这个问题的最佳方法是什么？????Leftovers（剩菜剩饭????） 使用Neon通常涉及这样的操作：处理长度为4~16个元素(位)的向量数据。通常你会发现你的数组不是该长度的倍数，然后不得不分别处理那些剩余的元素。 例如，你想要用Neon在每次迭代中加载、处理或存储8个元素，但是你的数
2020-07-29 17:40:07
483
翻译 Coding Neon - Part1：Load and Stores
转自ARM官网 https://developer.arm.com/architectures/instruction-sets/simd-isas/neon Arm的Neon技术是一种64/128位混合SIMD架构，旨在加速多媒体和信号处理应用程序的性能，包括视频编解码、音频编解码、3D图形、语音和图像处理。 本文是系列文章的第一部分，教大家如何用汇编语言为Neon编写SIMD（Single Instruction Multiple Data单指令集多数据）代码。本系列将涵盖None的入门、高效使
2020-07-29 12:31:54
577
原创 Linux环境变量（笔记）
1. 查看某个环境变量yekai@yekai-ubuntu:~$ echo $PATH/home/yekai/bin:/home/yekai/.local/bin:/opt/hisi-linux/x86-arm/arm-himix200-linux/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games:/snap/bin2. 查看所有环境变量yekai@yekai-u
2020-07-16 11:22:40
310
原创 linux软链接（笔记）
（软链接像是一个符号，它指向其它的文件。或者说，软链接文件是其它文件的别名。）？如上图所示，绿色的是软链接文件，箭头右边是软链接所指向的文件。软链接的建立方法：ln -s file link，其中file是源文件，link是链接文件名相关问题：(1)拷贝软链接如上图所示，将软链接拷贝后，它的大小变了，和被链接的文件大小一样。我猜测经过拷贝后，它的名字还是软链接文件名，但是内容替换成被链接的文件了。因此，只拷贝源文件即可，然后根据需要重新建立软链接，否则将会占用大量硬盘空间。(2)文件夹的
2020-07-10 13:42:30
447
原创 WIN10 & VisualStudio2019编译和配置OpenCV2.4.4
我用的是VisualStudio2019和OpenCV2.4.4，其它版本也可以按照以下步骤设置。下载OpenCV2.4.4源码1. 在github上找到opencv的项目：https://github.com/opencv/opencv2. 点release，找到已发布的代码：3. 往下滑，一直"next"，找到自己要的版本，点击下载：4. 解压到某个目录我的是在这里：D:\Programs\opencv-2.4.4\opencv-2.4.4安装CMake1. 下载CMake
2020-05-20 11:46:00
2460
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人