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

-+

转载 无人驾驶之硬件平台详解

本文是无人驾驶技术系列的第十篇,着重介绍无人驾驶硬件平台设计。无人驾驶硬件系统是多种技术、多个模块的集成,主要包括:传感器平台、计算平台、以及控制平台。本文将详细介绍这三个平台以及现有的解决方案。希望本文对无人驾驶从业者以及爱好者选择硬件的时候有帮助。 无人驾驶: 复杂系统 无人驾驶技术是多个...

2019-01-30 14:15:26 2068 0

转载 强化学习之原理详解、算法流程及Python代码

开头先附上强化学习(reinforcement learning)的学习视频:https://morvanzhou.github.io/tutorials/machine-learning/reinforcement-learning/,赶紧进行强化学习吧! 1.强化学习就是程序或智能体(age...

2019-01-25 16:58:54 1299 0

转载 【机器学习】梯度提升树(GBDT)的原理小结

        在集成学习之Adaboost算法原理小结中,我们对Boosting家族的Adaboost算法做了总结,本文就对Boosting家族中另一个重要的算法梯度提升树(Gradient Boosting Decison Tree, 以下简称GBDT)做一个总结。GBDT有很多简称,有GBT...

2019-01-16 10:34:26 177 0

原创 车道线检测参考学习资料

一、GitHub: https://github.com/amusi/awesome-lane-detection(全) https://github.com/ChengZhongShen/Advanced_Lane_Lines https://github.com/MaybeShewill...

2018-12-04 19:02:42 1017 0

转载 基于Spatial CNN的车道线检测和交通场景理解

SCNN车道线检测--(SCNN)Spatial As Deep: Spatial CNN for Traffic Scene Understanding(论文解读) Spatial As Deep: Spatial CNN for Traffic Scene Understanding 收录...

2018-11-20 18:25:16 4043 4

原创 Python初学者之TypeError: unhashable type: 'list'问题分析

使用Python实现机器学习k-近邻算法,创建数据集和标签时,出现了“TypeError: unhashable type: 'list'”错误,无法正确打印出group和labels。 1、错误代码与错误信息 具体代码实例如下: from numpy import *...

2018-07-28 14:18:11 99592 3

原创 【机器学习】K-Means算法的原理流程、代码实现及优缺点

通过机器学习教学视频,初识KNN算法,对原理和算法流程通过小应用进行Python实现,有了自己的一些理解。因此在此整理一下,既是对自己学习的阶段性总结,也希望能和更多的朋友们共同交流学习相关算法,如有不完善的地方欢迎批评指正。1、K-Means算法原理DT,全称Decision Trees,即常说...

2018-07-14 16:53:49 11177 0

原创 【机器学习】最近邻算法KNN原理、流程框图、代码实现及优缺点

通过机器学习教学视频,初识K-Means算法,对原理公式推导、Python代码实现部分小程序,有了一些自己的理解。因此在此整理一下,既是对自己学习的阶段性总结,也希望能和更多的朋友们共同交流学习相关算法,如有不完善的地方欢迎批评指正。前后花费3天时间,不断修改,完善后才发出来,转载请注明出处,谢谢...

2018-07-14 12:57:20 6939 0

原创 【智能驾驶】领域常见专业名称英文缩写

随着人工智能技术的兴起,掀起了无人驾驶行业的热潮,国内外无论高校、企业还是科研院所都投入了巨大的人力物力进行相关技术的研发。博主在阅读文献和看车企、ADAS公司产品介绍时,常会出现很多专业名称缩写,包括一些车型配置单中也常提起,下面就概括性地进行介绍,对刚入智能驾驶领域的童鞋们进行科普。   ...

2018-06-22 19:39:58 5225 0

原创 基于OpenCV的findContours查找图像连通域,并进行排序

#include <opencv2/legacy/legacy.hpp> #include <opencv2/opencv.hpp> #include <vector> using namespace ...

2018-06-21 09:07:19 4750 0

原创 【OpenCV】8邻域种子填充法剔除短连通域的高效算法

//本文档参考种子填充算法描述及C++代码实现(https://www.bbsmax.com/A/amd0AVWzge/)讲解的原理,实现快速种子填充算法,运行效果高。 //具体功能如下:依次扫描每个像素,检测8领域,寻找连通域,删掉面积小于阈值的。 #include <open...

2018-06-19 19:53:11 1797 14

原创 【机器学习】LBP+SVM实现特征检测

初步学习机器学习,参考HOG SVM 车辆检测(https://www.cnblogs.com/louyihang-loves-baiyan/p/4658478.html)、LBP特征原理(https://blog.csdn.net/q1007729991/article/details/5299...

2018-06-16 11:17:17 3212 1

转载 【Pytorch】ResNet-18实现Cifar-10图像分类

一、ResNet-18网络结构 ResNet全名Residual Network残差网络。Kaiming He 的《Deep Residual Learning for Image Recognition》获得了CVPR最佳论文。他提出的深度残差网络在2015年可以说是洗刷了图像方面...

2019-04-23 23:32:28 4676 3

转载 一网打尽深度学习之卷积神经网络的经典网络(LeNet-5、AlexNet、ZFNet、VGG-16、GoogLeNet、ResNet)

看过的最全最通俗易懂的卷积神经网络的经典网络总结,在此分享,供更多人学习。 一、CNN卷积神经网络的经典网络综述 下面图片参照博客:http://blog.csdn.net/cyh_24/article/details/51440344 二、LeNet-5网络 输入尺寸...

2019-04-22 23:11:07 345 1

转载 详解可微神经网络架构搜索框架(DNAS)

【论文】FBNet: Hardware-Aware Efficient ConvNet Design via Differentiable Neural Architecture Search 【地址】https://arxiv.org/pdf/1812.03443 关键思想: 将Loss函数...

2019-04-19 22:16:44 1200 0

转载 Windows下如何安装和使用git

git到底是个什么东西,我这里就不介绍了,如果大家还有不懂的,可以去百度一下的。我这里给一个介绍的网址:git简介 这里在留一个地址http://baike.baidu.com/subview/1531489/12032478.htm#viewPageContent 如果大家没有安装包,也可以到...

2019-04-17 23:31:16 93 0

转载 解读高效的神经架构搜索ENAS

1. 简介 神经架构搜索(NAS)已成功用来设计图像分类和语言建模模型架构 (Zoph & Le, 2017; Zoph et al., 2018; Cai et al., 2018; Liu et al., 2017; 2018)。在 NAS 中,RNN 控制器进行循环训练:控制器...

2019-04-17 23:16:33 1196 4

转载 详解随机神经网络结构搜索 (SNAS)

本文出自商汤研究院(SenseTime Research)。原论文发表于ICLR 2019,及arXiv:1812.09926 神经网络结构搜索(Neural Architecture Search, NAS)是自动机器学习(AutoML)中的热点问题之一。通过设计经济高效的搜索方法,自动获得泛...

2019-04-17 23:14:29 569 0

转载 【深度学习】语音识别之CTC算法原理解释与公式推导

不搞语音识别得人开这个论文确实有点费劲,结合上图,思考一下语音识别的场景,输入是一段录音,输出是识别的音素, 输入的语音文件的长度和输出的音素个数之间没有一一对应关系,通常将语音文件「分片」之后,会出现多对一的关系。这个场景在「翻译问题」和「OCR问题」中也普遍存在。 本文的特点是,提出来一种e...

2019-02-28 23:00:39 442 0

原创 【Hadoop】快速入门与搭建完全分布式Hadoop的步骤

一、Hadoop快速入门 支持平台 GNU/Linux是产品开发和运行的平台。 Hadoop已在有2000个节点的GNU/Linux主机组成的集群系统上得到验证。 Win32平台是作为开发平台支持的。由于分布式操作尚未在Win32平台上充分测试,所以还不作为一个生产平台被支持。 所需软件...

2019-02-28 17:23:57 81 0

转载 目标检测算法DSSD的原理详解

论文地址:https://arxiv.org/abs/1701.06659 Github 源码(caffe版):https://github.com/chengyangfu/caffe/tree/dssd   1、文章概述     DSSD(Deconvolutional Single S...

2019-02-22 14:47:28 1055 0

原创 【OpenCV】计算围棋相同颜色棋子的块数和坐标(使用深/广度搜索实现4邻域查找)

1、问题描述: 给定一个n*n的围棋盘,交叉点上分布着黑,白子或空白(分别用字符b,w和 n表示), 相同颜色的棋子在同行或同列相连属于同一块棋,请遍历整个围棋盘,计算黑白棋各有几块。 输入:第一行只有一个整数n(0<n<20),表示棋盘的大小。 接下来n行中,包含n...

2019-02-22 14:36:33 989 0

原创 【Python】监控视频中运动目标检测的代码实现及效果展示

0、介绍 基于python,使用opencv库函数,实现监控视频中的运动目标检测,Mark一下! 干扰性和灵敏度的权衡,可通过调节代码中的参数(高斯模糊核、面积阈值、帧差间隔等)进行设置。   1、代码 以下代码亲测可直接运行。  import cv2 vc = cv2.Video...

2019-02-15 17:51:44 7018 17

转载 Docker 的基本原理及快速入门

什么是docker Docker 是一个开源项目,诞生于 2013 年初,最初是 dotCloud 公司内部的一个业余项目。它基于 Google 公司推出的 Go 语言实现。 项目后来加入了 Linux 基金会,遵从了 Apache 2.0 协议,项目代码在 GitHub 上进行维护。 Doc...

2019-01-30 15:46:12 112 0

转载 深度神经网络的分布式训练概述:常用方法和技巧全面总结

论文地址:https://arxiv.org/abs/1810.11787 深度学习已经为人工智能领域带来了巨大的发展进步。但是,必须说明训练深度学习模型需要显著大量的计算。在一台具有一个现代 GPU 的单台机器上完成一次基于 ImageNet 等基准数据集的训练可能要耗费多达一周的时间,研究者...

2019-01-30 09:49:38 645 0

原创 【Python】Numpy库之符号函数sign()的介绍及用法

1、sign()函数功能介绍 sign()是Python的Numpy中的取数字符号(数字前的正负号)的函数。 2、sign()函数用法代码演示 #导入numpy库 import numpy as np #输入数据 dataArr = [-0.2, -1.1, 0, 2.3, 4.5,...

2019-01-25 14:41:05 24065 2

原创 PCA与LDA两种降维方法原理的简要对比

1、PCA(主成分分析) 无监督的,选择的是投影后数据方差最大的方向。因此PCA假设方差越大,代表的信息量越大,使用主成分来表示原始数据可以去除冗余的维度,达到降维的目的。 2、LDA(线性判别分析) 有监督的,选择的是投影后类内方差小、类间方差大的方向。用到了类别标签信息,为了找到数据中具...

2019-01-22 23:09:24 1023 0

原创 Python3之deepcopy在print调试中的使用技巧

在python调试中,使用print打印出中间结果容易发现问题。由于python3中的map需要list转换后才能print出具体的内容。但是list转换后,后面再用到map类型的地方会出现错误。所以可以考虑使用deepcopy函数进行map变量的备份,对备份进行print(list())显示。 ...

2019-01-22 15:54:03 226 0

原创 Python3之打印出map结果的print(list())用法

 在Python2里,直接使用map就可以打印结果,但是在Python3里,map返回的结果是迭代器(iterator),因此需要先转换为列表list,再print输出。   1、直接使用print(),只能显示类型 # 计算特征集中每个特征的信息增益 l = map(lambda x: ...

2019-01-22 15:28:01 7385 1

原创 Python之max(num, key=lambda x:x[0])用法的详细解析

 1、max(num, key=lambda x:x[0])语法介绍如下: key=lambda 元素: 元素[字段索引] print(max(C, key=lambda x: x[0]))    x:x[]字母可以随意修改,求最大值方式按照中括号[]里面的维度,[0]按照第一维,[1]按照...

2019-01-22 15:10:04 12047 1

原创 Python逻辑运算符:if and

python中的if and用法如下: if 条件1 and 条件2:      条件1和条件2都满足时,执行语句 等价于C语言中的if(条件1 && 条件2) a = 10 b = 20 if ( a and b ): print (&q...

2019-01-21 14:10:06 1983 1

原创 tensorflow分布式训练之同步更新和异步更新

1、同步更新 在同步更新的时候, 每次梯度更新,要等所有分发出去的数据计算完成后,返回回来结果之后,把梯度累加算了均值之后,再更新参数。这样的好处是loss的下降比较稳定, 但是这个的坏处也很明显, 处理的速度取决于最慢的那个分片计算的时间。 2、异步更新 在异步更新的时候, 所有的计算节点...

2019-01-21 13:49:20 2887 0

转载 【深度学习】初识tensorflow之分布式训练

情况一、单机单卡 单机单卡是最普通的情况,当然也是最简单的,示例代码如下: #coding=utf-8 #单机单卡 #对于单机单卡,可以把参数和计算都定义再gpu上,不过如果参数模型比较大,显存不足等情况,就得放在cpu上 import tensorflow as tf with tf...

2019-01-18 13:44:43 98 0

原创 【机器学习】改善LBP特征提高SVM的可分性的经验总结(二)

1、直方图均衡后,效果变差 equalizeHist(testImg, testImg); //直方图均衡 imshow("直方图均衡后", testImg); 结论:由于直方图均衡会明显改变原来的明暗分布,反而降低可分性,检测效果显著变差。效果如下:    2...

2019-01-16 14:50:50 205 2

原创 【机器学习】改善LBP特征提高SVM的可分性的经验总结(一)

1、等价模式LBP的最初效果 正样本2343,负样本5883,直接计算等价模式LBP特征图,再使用SVM训练一个分类器。 CvTermCriteria criteria = cvTermCriteria(CV_TERMCRIT_ITER, 1000, FLT_EPSILON); CvSVM...

2019-01-16 14:18:16 280 0

原创 【机器学习】LBP特征融合最大灰度差、平均灰度、平均梯度改善SVM检测效果

把正负样本12×30内的averageGray、maxPixelDiff,添加到LBPFeature后;再把梯度Mat(size(12,30))展开成一行添加到LBPFeature后。组成新的sampleFeatureMat,进行训练。 //计算输入图片的最大灰度差、平均灰度、平均梯度 int...

2019-01-16 14:02:54 556 7

转载 【机器学习】基于实战项目的SVM算法库使用方法详解

0. 学习背景         本人在进行车道线检测项目中使用到了LBP+SVM算法来改善高复杂度场景下的车道线特征提取效果,主要流程如下:提取训练集中车道线的LBP特征,然后训练一个SVM分类器。在测试时,使用相同的特征提取方法,将特征值输入SVM分类器中,根据“决策面”方程,即超平面方程即可...

2019-01-16 09:50:42 413 0

转载 机器学习项目流程

        在微博上看到七月算法寒老师总结的完整机器的学习项目的工作流程,结合天池比赛的经历写的。现在机器学习应用非常流行,了解机器学习项目的流程,能帮助我们更好的使用机器学习工具来处理实际问题。 1. 理解实际问题,抽象为机器学习能处理的数学问题         理解实际业务场景问题是机...

2019-01-03 09:59:04 113 0

原创 【智能驾驶】车道线检测中的新IPM(逆透视变换)算法实验效果

1、实验内容 在车道保持LKA功能实现时,需要对车道线进行精准检测:①、计算曲率半径,②、保证测距精度。因此需要对相机的透视图persImg进行IPM逆透视变换,得到俯视图birdImg,在birdImg中进行车道线特征检测、拟合和测距。 基于以下思路,建立了新的IPM模型:对真实世界坐标系中...

2018-12-28 11:19:30 4345 13

原创 【Python】pycharm去掉代码下的波浪线

 通过Python下的勾选框项来控制需要显示哪些语法提示。

2018-12-27 20:41:16 1459 0

提示
确定要删除当前文章?
取消 删除