经验
文章平均质量分 77
Xue Feng BUPT
让我们多一些原创,少一些转载
----首都快递学校小小渣硕
展开
-
Anomaly/Out-Of-Distribution(OOD) Detection 的常见方法
定期学习积累原创 2022-06-05 20:38:39 · 1315 阅读 · 0 评论 -
Reading Paper about Object Detection or 3D Object Detection in CVPR 2020
Paper 1:BiDet: An Efficient Binarized Object DetectorFrom: 清华Content: 基于网络的物体检测方法常常拥有极高的性能,但是计算量消耗极大。相比之下,二值化神经网络拥有极高的效能,但是,二值化参数和激活函数的过程会导致模型表现能力的下降。因此,这篇论文提出了一个高效的二值化基于神经网络的物体检测器。具体来说,本方法通过信息瓶颈原则去除了大量冗余的物体框,以降低原本二值化神经网络检测器的false positive。Paper 2:Foreg原创 2020-07-11 17:28:13 · 441 阅读 · 0 评论 -
Vocabulary and Phrase in Paper of Computer Vision (Updating)
Professional vocabulary and phrase《R-CNN》v&pcharacteristictranslationusageas measured on正如…所衡量的as measured on the canonical PASCAL VOC datasetplateauvi达到平衡;达到稳定阶段B has plate...原创 2019-09-17 11:52:08 · 376 阅读 · 0 评论 -
Monocular 3D Object Detection for Autonomous Driving 论文总结
《Monocular 3D Object Detection for Autonomous Driving》是在CVPR2016上发表的文章。文章概览首先用两段话总结一下这篇文章。该方法将单目中的3D物体检测问题看作两步完成:首先该方法提出了一个生成一组类相关的物体推荐候选框的方法。然后利用一个CNN网络利用这组候选框提取出高质量的3D物体检测框。在物体推荐框提取的方法中,作者...原创 2019-01-15 22:43:05 · 4317 阅读 · 4 评论 -
随机决策森林中的 “mean decrease accuracy” 和 “mean decrease gini” 都是什么
最近写的系统需要用到随机决策森林,使用了一份网上的随机决策森林的包,这份代码实现的非常棒,速度非常快。但是遇到一个问题,训练好了一个随机决策森林后,我想知道在训练好的模型中,哪些feature是更具有代表性的,所以我统计了每棵树使用feature的频率,但是发现feature的使用频率都差不多。从频率上无法判断那些特征对模型的影响更大。在代码的实现注释中,我发现了这样两种指标:mean decre...转载 2018-05-05 16:12:19 · 36177 阅读 · 13 评论 -
Cityscape数据集脚本readme翻译
The Cityscapes 数据集该github库包含用于检查,准备和评估Cityscapes数据集的脚本。 该大型数据集包含来自50个不同城市的街道场景中记录的多种立体视频序列,除了20000个弱注释帧以外,还包含5000帧高质量像素级注释。详细信息和下载链接请登录:www.cityscapes-dataset.net数据集结构Cityscapes dataset 的文件夹结构...翻译 2018-04-16 16:59:34 · 17569 阅读 · 14 评论 -
在Ubuntu16.04LTS编译LAPACK3.7.1教程,以及遇到的问题
编译LAPACK3.7.1不是很难,但是过程会遇到一些问题首先,解压lapack的压缩包,进入lapack目录进入解压后文件夹后,复制make.inc.example为make.inccp make.inc.example make.inc再编辑Makefile的内容,改成如下形式,将原本对第二行的注释,改为对第一行的注释#lib: lapacklib tmgliblib: blaslib var原创 2017-10-26 11:01:14 · 4178 阅读 · 2 评论 -
LBD算法 - Graph matching 图匹配算法分析
上一步我们进行了线特征的提取和描述,接下来我们进行线特征的匹配。在此之前我们先通过预处理将一些明显无法匹配的特征给消除,以降低图匹配问题的维度。翻译 2017-09-30 14:30:51 · 14629 阅读 · 0 评论 -
LBD算法 - Line Band Discriptor 描述符分析
LBD概述LBD算法源自2013年文章《An efficient and robust line segment matching approach based on LBD descriptor and pairwise geometric consistency》原创 2017-09-29 11:19:41 · 13847 阅读 · 9 评论 -
LSD(Line Segment Detector)直线提取算法
LSD是2010年发表在ipol上的一篇论文提出的直线提取算法,在较短的时间内可以提取一张灰度图上所有的线段特征。 (文中提到了a contrario model 和 Helmoholtz principle,在这篇文章中并没有进行讲解) LSD算法是基于梯度的,但是为了减少梯度的依赖性,LSD算法也做了一些必要的优化措施,所以它的流程如下。 1. 首先,对图片进行一次高斯降采样,缩小图片1.原创 2017-09-25 08:56:35 · 23953 阅读 · 3 评论 -
ROS官方教程[翻译]---message_filter的使用
1 综述message_filters是一个用于roscpp和rospy的实用程序库。 它将常用的消息“过滤”算法收集到公共空间中。消息过滤器被定义为一个消息的缓存,当消息到达消息过滤器的饿时候,可能并不会立即输出,而是在稍后的时间点里输出出来。 比如时间同步器,它接收来自多个源的不同类型的消息,并且仅当它们在具有相同时间戳的每个源上接收到消息时才输出它们,也就是起到了一个消息同步输出的效果。2翻译 2017-08-22 14:26:23 · 29872 阅读 · 3 评论 -
编译ORBSlam2的时遇到的问题
编译ORBSlam2的时遇到的问题找不到usleep函数 error: ‘usleep’ was not declared in this scope解决方法 在system.h头文件前,加入#include <unistd.h>#ifndef SYSTEM_H#define SYSTEM_H#include <unistd.h> //添加#include<string>原创 2017-08-15 14:40:09 · 3889 阅读 · 4 评论 -
ORBSlam2学习研究(Code analysis)-ORBSlam2中的闭环检测和后端优化LoopClosing
ORBSlam2中的闭环检测和后端优化LoopClosingLoopClosing在现在的Slam系统中是非常重要的一个部分,VO总是会有累计误差,而LoopClosing通过检测是否曾经来过此处,进行后端优化,可以将这个累计误差缩小到一个可接受的范围内。从而使得Slam系统应对大范围场景时,拥有更高的鲁棒性和可用性。原创 2017-07-26 20:56:35 · 11021 阅读 · 1 评论 -
ORBSlam2学习研究(Code analysis)-ORBSlam2中的视觉里程计LocalMapping
LocalMapping线程介绍ORBSlam2中的视觉里程计VO不仅仅包含Tracking线程,LocalMapping也是VO中的一部分。原创 2017-07-24 15:49:44 · 5770 阅读 · 0 评论 -
ORBSlam2的位姿优化算法
ORBSlam2的位姿优化算法ORBSlam2中使用了对极约束,三角测量,PnP投影和BundleAdjustment算法 本文着重讲解在ORBSlam2中使用到的BundleAdjustment优化算法。原创 2017-07-24 11:28:39 · 10406 阅读 · 4 评论 -
ORBSlam2学习研究-Tracking流程
Tracking线程整体流程图Tracking线程函数主要功能和流程原创 2017-07-18 17:44:35 · 8660 阅读 · 6 评论 -
ORBSlam2学习研究(Code analysis)-ORBSlam2中的视觉里程计Tracking
写在前面本文基于ORBSlam2的Monocular模式撰写,所涉及的算法都是单目视觉下的算法。原创 2017-07-20 17:07:12 · 6179 阅读 · 5 评论 -
【形状匹配算法】Shapecontext形状上下文算法的研究
形状上下文是用于对象识别的特征描述符。Serge Belongie和Jitendra Malik在2000年的论文“匹配形状上下文”中提出了这一术语Shapecontext算法是统计两个点集中每一个点的上下文信息,并且对比两点集每个点之间的上下文信息是否近似,得到一个最近似的一组排列,即可找到第一个点集的每一个点对应第二个点集的点。原创 2017-07-03 17:05:28 · 15429 阅读 · 1 评论 -
用NDK在Ubuntu14.04上安装arm交叉编译环境
之前没有接触过交叉编译,后来因为在实验室要在机器人上跑arm程序,所以就尝试着用Ubuntu来编译arm的程序,自己上网查方法并咨询了很多同学同事,最终搭建成功了这个交叉编译环境。原创 2017-06-19 21:28:01 · 3628 阅读 · 0 评论