- 博客(43)
- 收藏
- 关注
RSS订阅原创 点云特征学习（三）--DGCNN论文阅读笔记
目录点云特征学习（三）--DGCNN论文阅读笔记一，挑战二，方法2.1 Edge Conv点云特征学习（三）–DGCNN论文阅读笔记一，挑战在DGCNN算法之前，基于深度学习的点云特征学习算法有：PointNet,PointNet++,PointCNN等。这些算法都能够较好地处理点云数据。但是，这些特征学习方法只是从离散点云的角度的特征出发，没有考虑物体的拓扑结构。点云这种数据结构是离散的，缺乏拓扑信息（也就是单个点与点之间的关联并没有显式建立，但是他们之间应该是有实际意义的）。自然而然地，如果能够通
2022-01-16 21:44:47
4527
1
原创 点云特征学习（二）--SPG论文阅读笔记
点云特征学习（二）–SPG论文阅读笔记目录点云特征学习（二）--SPG论文阅读笔记一，挑战二，方法2.1 Geometric Partition with a Global Energy2.2 Superpoint Graph Construction2.3 Superpoint Embedding一，挑战在SPG工作时间节点之前，PointNet，PointNet++等深度学习方法虽然能够较好完成点云语义分割任务，但是受限于点云输入大小规模的限制，无法在大规模语义分割任务中也保持同样的优异表现。为了
2022-01-11 22:17:37
1741
1
原创 点云特征学习（一）--PointCNN 论文学习笔记
点云特征学习–PointCNN 论文学习笔记一，挑战卷积能够有效提取2D图像中局部上下信息，获取局部空间相关性。但是由于点云数据不规则，无序（irregular, unordered）的特点, 卷积不适合应用于点云数据。具体原因如下：图(i)表示2D图片的情况，此时，四个点的位置顺序是固定的。对于点云，其位置顺序有很多可能，如图(ii, iii, iv)所示。如果对图(ii, iii, iv)执行Convolution操作：显然可以从卷积的角度得到：1）$ f_{ii} \equiv f_{i
2022-01-07 15:26:51
2791
原创 探索SA-SSD中的Part-sensitive Warping机制
探索SA-SSD中的Part-sensitive Warping机制0,前言1,PS-Warping部分网络分析0,前言Part-sensitive Warping，以下简称PS-Warping。NMS（Non-Maximum Suppression）机制在目标检测中大放异彩，通过抑制非最大得分的框,来筛选候选框。可是NMS中存在一个问题，框的得分与框位置不一定“对应”，这样就导致了最终预测框的位置会有所偏差。PS-Warping就是在SASSD中来通过对齐框与得分来解决这个问题。下图展示了人脸检测中框
2020-10-20 16:21:57
441
2
原创 DARTS论文阅读
DARTS论文阅读搜索空间连续松弛与优化传统的NAS不适合小微实验室，DARTS提供了一种新的思路——利用梯度下降算法来进行模型结构搜索。一，网络的结构用有向无环图表示。二，引入了一个简单的搜索空间连续松弛方案，从而为体系结构及其权重的联合优化提供了一个可微学习目标三，最后，提出了一种近似技术，使算法在计算上可行和有效搜索空间搜索一个计算单元作为最终体系结构的构建块。一个计算单元是由N个节点的有序序列组成的有向无环图。上图为一个计算单元的表示（以三个节点为例）。其中，o(i,j)表示节点i,
2020-07-31 12:23:09
988
原创 KITTIVIEW的使用方法（second,pointpiillras的可视化工具）
KITTIVIEW的使用方法（second,pointpiillras的可视化工具）1，修改second.pytorch下的second的子目录 中的kittiview链接。用下面这段代码替换掉kittiviewer/frontend/index.html.<!DOCTYPE html><html><head> <meta charset="utf-8" /> <meta name="viewport" content="wi
2020-07-29 09:01:00
3247
5
原创 卷积神经网络
实验要求：定义一个卷积神经网络：准备数据输入定义网络输出定义损失函数定义优化器定义精度启动TF训练模型保存和日志代码：实验结果：使用tensorboard可视化：结果分析 在MNIST数据集上训练卷积神经网络，循环20000次训练，训练采用的是交叉熵损失函数，用ADAM优化器来做梯度下降，学习率为0.0001，最后可以得到99.19%的准确率。...
2020-05-21 20:54:18
543
原创 聚类实验
运行一个聚类算法； 要求： 1) 数据自选，例如：iris 2) 修改给出的代码，运行得到结果，例如修改类别、修改算法参数、更换聚类算法等；3）打印出评价指标；K-means实验代码import matplotlib.pyplot as pltimport numpy as npfrom sklearn.cluster import KMeansfrom sklearn import ...
2020-05-07 15:46:44
1675
原创 集成学习实验
集成学习实验实验要求实验要求1.模型：Random Forest和Gradient Tree Boosting；2.数据：自行下载；3.要求：对比两种方法的回归/分类；import pandas as pdfrom sklearn.cross_validation import train_test_splitfrom sklearn.ensemble import RandomFo...
2020-04-23 14:58:06
518
原创 pointpillars开源代码复现中 遇到的问题
pointpillar代码的开源地址：https://github.com/nutonomy/second第一步：从github上拷贝代码git clone https://github.com/nutonomy/second.pytorch.git第二步：首先安装Anaconda创建虚拟环境，我的电脑Ubuntuan16.04安装的是anaconda3,cuda10的版本。和readme...
2019-11-16 14:31:37
4894
5
原创 VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection学习记录
VoxelNet: 基于点云三维目标检测的端到端学习网络一，简介二，要解决的问题三，核心思路总结一，简介VoxelNet: 一种通用的三维检测网络，将特征提取以及边界框预测联合在一个阶段，是一种端到端的可训练的深度网络。具体而言，VoxelNet将点云划分为间隔相等的三维体素，并通过新引入的体素特征编码层（VFE），将每个体素内的一组点转换为一个统一的特征表示。点云被编码成描述性的体积表述，...
2019-08-16 16:13:06
1126
原创 机器学习——集成学习
集成学习一，个体与集成二，AdaBoosting算法原理三，基于单层决策树的AdaBoost算法python实现一，个体与集成集成学习通过构建并结合多个学习器来完成学习任务，也被称为多分类系统，基于委员会的学习。上图为集成学习的一般结构。若集成中包含同类的个体学习器，则该集成称为同质集成，其中的个体学习器，称之为“基学习器”，反之称为异质集成，其中的个体学习器称为“组件学习器”。说明一个...
2019-08-14 10:33:50
902
原创 机器学习———决策树
决策树一，基本流程二，划分选择2.1信息增益2.2增益率三，剪枝处理3.1 预剪枝3.2 后剪枝一，基本流程决策树是一类常见的机器学习方法。一般的，一棵决策树包含一个根节点，若干个内部节点和若干个叶节点。叶节点对应于决策结果，其他每个节点则对应于一个属性测试；每个节点包含的样本集合根据属性测试的结果被划分到子节中；根节点包含样本全集。⋅\cdot⋅基本流程遵循“分而治之”策略。树的构建流...
2019-08-13 15:10:23
536
原创 机器学习模型评估与预测
模型评估与预测1.1经验误差与过拟合1.2 评估方法1.2.1留出法（hold-out）1.2.2交叉验证法1.2.3 自助法1.3性能度量1.3.1 查准率，查全率与F11.1经验误差与过拟合定义几个概念:⋅\cdot⋅ 错误率（error rate）E=amE=\frac{a}{m}E=ma其中a表示样本分类错误数，m是样本总数⋅\cdot⋅ 精度（accuracy）为1−am1...
2019-08-03 09:51:59
10540
原创 神经网络——吴恩达课后作业python代码实现
神经网络一，神经网络模型建立1.1 前向传播在上一次多类别分类器练习中，通过多类别逻辑回归算法实现了识别数字笔迹。但是，逻辑回归算法不能得到一个更为复杂的假设函数，因为它仅仅只是一个线性分类。一，神经网络模型建立建立模型示意图：上图所示神经网络一共有三个层，分别是输入层（input layer），隐藏层（hidden layer），输出层（output layer）。1.1 前向传播...
2019-08-01 09:18:17
1734
原创 多类别分类——吴恩达课程作业python代码实现
多类别分类一、模型建立二、一对多分类方法(one-vs-all)三、分类器实现1，加载数据集（Dateset），可视化2，训练分类器一、模型建立对于二元分类的数据模型如下；使用两种符号表示两个不同的数据集。对于二元分类，上一篇博课已经给出分析：二元分类原理分析，及代码实现过程运用逻辑回归，很好地实现了分类的功能。对于一个多分类问题，以三元分类为例，建立数据模型如下，使用三种符号，...
2019-07-29 21:16:47
7275
原创 吴恩达机器学习第二次作业——逻辑回归
逻辑回归一、逻辑回归1，数据可视化2，sigmoid函数3，代价函数以及梯度下降一、逻辑回归1，数据可视化定义plotData.m函数，可视化数据集，分布在二维平面function plotData(X, y)%PLOTDATA Plots the data points X and y into a new figure % PLOTDATA(x,y) plots the dat...
2019-07-27 19:37:02
3244
原创 吴恩达机器学习第一次作业——线性回归
单变量线性回归1，线性回归将数据集拟合成一条直线，当变量唯一时，即为单变量线性回归。假设单变量线性回归的函数为：hθ(x)=θ0+θ1xh_{\theta }(x)=\theta _{0}+\theta_{1}xhθ(x)=θ0+θ1x代价函数为：J(θ)=12m∑i=1m(hθ(x(i))−y(i))2J(\theta )=\frac{1}{2m}\sum_{i=1}^{m} ...
2019-07-26 16:12:21
1287
原创 ubuntu系统安装教程，从u盘制作开始
制作启动盘1，安装ultraiso工具https://www.cr173.com/soft/15480.html注意，下载exe文件后，双击安装。最后一步可能会跳出窗口让你下载其他应用，例如爱奇艺等，可以点击取消安装即可。安装时没有截图，就不截图展示该窗口。上述步骤后，你会得到压缩包如下，解压即可得到ultraiso工具软件。双击上图exe应用程序，即可打开软件如下，2，使用...
2019-07-25 15:06:49
298
原创 python计算机视觉学习——OpenCv
OpenCv10.1 OpenCv的Python 接口10.2 OpenCv的基础知识10.2.1 读取和写入图像10.2.2 颜色空间10.2.3 显示图像及结果10.3 处理视频10.3.1 视频输入10.3.2 将视频读取到NumPy数组中10.4 跟踪OpenCv是一个C++库，用于处理计算机视觉问题。10.1 OpenCv的Python 接口直接使用pip install open...
2019-07-17 12:29:41
451
原创 python计算机视觉学习———图像分割
文章目录9.1 图割图像分割是将一幅图像分割成有意义区域的过程。区域可以是图像的前景与背景或图像中一些单独的对象。这些区域可以利用一些诸如颜色、边界或近邻相似性等特征进行构建。9.1 图割...
2019-07-16 15:44:34
23888
4
原创 python计算机视觉学习————图像内容分类
文章目录8.1 K邻近分类法KNN8.1.1 一个简单的二维示例8.1.2 用稠密的SIFT作为图像特征8.1.3 图像分类：手势识别8.1 K邻近分类法KNN概述： K最近邻（k-Nearest Neighbor，KNN），指导思想是“近朱者赤，近墨者黑”，由你的邻居来推断出你的类别。原理： 从训练集中找到和新数据最接近的k条记录，然后根据多数类来决定新数据类别，本质上，KNN是使用距离来...
2019-07-13 16:39:14
3906
1
原创 python计算机视觉学习——图像搜索
文章目录7.1基于内容的图像检索7.2 视觉单词7.1基于内容的图像检索在大型图像数据库上，CBIR（Content-Based Image Retrieval，基于内容的图像检索）技术用于检索在视觉上具相似性的图像。这样返回的图像可以是颜色相似、纹理相似、图像中的物体或场景相似；总之，基本上可以是这些图像自身共有的任何信息。任给定一个检索图像示例P，计算其特征向量F=（F1,F2,F3…）...
2019-07-11 13:29:57
957
1
原创 python计算机视觉学习———图像聚类
文章目录6.1 K-means聚类6.1.1 SciPy 聚类包6.1.2 图像聚类6.1 K-means聚类K-means 是一种将输入数据划分成 k 个簇的简单的聚类算法。K-means 反复提炼初始评估的类中心。k-means算法中的k代表类簇个数，means代表类簇内数据对象的均值（这种均值是一种对类簇中心的描述），因此，k-means算法又称为k-均值算法。k-means算...
2019-07-09 13:46:49
11914
8
原创 python计算机视觉学习———照相机模型与增强现实
文章目录4.1针孔照相机模型4.1.1 照相机矩阵4.1.2三维点的投影4.1针孔照相机模型针孔照相机模型（有时称为射影照相机模型）是计算机视觉中广泛使用的照相机模型。对于大多数应用来说，针孔照相机模型简单，并且具有足够的精确度。这个名字来源于一种类似暗箱机的照相机。该照相机从一个小孔采集射到暗箱内部的光线。在针孔照相机模型中，在光线投影到图像平面之前，从唯一一个点经过，也就是照相机中...
2019-07-07 17:33:14
1601
原创 二、局部图像描述子（python）
文章目录2.1 Harris角点监测器2.1 Harris角点监测器Harris角点检测算法的主要思想：如果像素周围显示存在多于一个方向的边，则该点即为角点。将图像域 中点 x上的对称半正定矩阵M1=M1(x)定义为：则M1的秩为1。对于图像的每一个像素，都可以计算得出该矩阵。选择权重矩阵W（通常是高斯滤波器），可以得到卷积：这个卷积的目的是得到M1在周围像素上的局部平均。计算得到...
2019-07-05 15:23:42
1359
原创 一，基本的图像操作和处理
1.1 PIL：Python图像处理类库PIL（Python Imaging Libarary Python,图像处理类库）提供了通用的图像处理功能，以及大量有用的基本图像处理操作，比如图像的缩放，裁剪，旋转，颜色变换等。...
2019-05-30 13:38:19
1350
原创 十、表示与描述
文章目录一，背景二，表示1，链码2，使用最小周长多边形（MPP）的多边形近似一，背景令S表示一幅图像中像素的子集。若S中的两个像素p,q之间存在完全由像素组成的路径，则p,q在S中是连接的。对于S中任意像素p,在S中连接到该像素的一组像素称为连接分量。若该像素仅有一个连接分量，则S称为一个连接集。图像中像素的子集R是一个连接集时，则将其称为图像的一个区域。区域的边界定义为该区域内一组像素的集...
2019-05-22 11:22:26
1027
原创 九、图像分割
文章目录一、点，线和边缘检测1，点检测2，线检测3，使用函数edge检测边缘二、使用霍夫变换进行线检测一、点，线和边缘检测1，点检测嵌在图像的恒定或近似恒定区域中的孤立点的检测，原理上非常简单。使用图中的模板时，若|R|>=T（T是一个非负阈值），则此时在模板中心检测处了一个孤立点。这种点检测的方法可以使用工具像函数imfilter以及图中的模板来实现。重要的要求是当孤立点位于模板...
2019-05-21 11:12:08
504
原创 七、彩色图像处理（MATLAB)
彩色图像处理一、RGB图像一幅RGB图像是一个MN3的彩色像素数组，其中每个彩色色素是一个三值组，这三个值分别对应一个特定空间位置处RGB图像的红，绿，蓝分量。RGB也可以视为三幅灰度图像形成的“堆叠”，当将他们分别送到彩色显示器的红，绿，蓝输入端时，会在屏幕上生成一幅彩色图像。分量图像的数据类决定了他们的取值范围。用来表示这些分量图像像素值的比特数决定了一幅图像的比特深度。图像的颜色数为...
2019-04-30 17:07:40
8451
原创 六、图像的重建与复原（MATLAB）下
一、仅有噪声的复原——空间滤波如果出现的退化仅是噪声，所选择的方法是空间滤波。1，空间噪声滤波器根据各种类型滤波器公式，定义M函数，实现各种滤波器function f=gmean(g,m,n)%几何平均滤波器[g,revertclass]=tofloat(g);f=exp(imfilter(log(g),ones(m,n),'replicate')).^(1/m/n);f=reve...
2019-04-21 18:27:24
4868
2
原创 五、图像的复原与重建（MATLAB）上
一、图像退化/复原处理模型原始图像为f(x,y),退化过程建模为一个退化函数H和一个加性噪声k(x,y)，退化之后得到的图像为g(x,y),数学模型表达式为：g(x,y)=H[f(x,y)]+k(x,y)图像复原的目的就是通过退化函数，以及加性噪声来得到初始图像的估计值f’(x,y)。如果 H 是一个线性的，空间不变的过程，那么空域中的表达式可以写成g(x,y)=h(x,y)卷积f(x,...
2019-04-19 18:10:44
10047
原创 四、基于MATLAB的数字图像处理————频率域滤波（二）
一、在频率域中直接生成滤波器1，创建用于实现频域滤波器的网格数组的M函数要在频域内生成一个滤波器，创建一个能够计算任何一点到频率矩形中指定点的距离的M函数是基础的一步。M函数代码如下：function [U,V]=dftuv(M,N)u=single(0:(M-1));v=single(0:(N-1));idx=find(u>M/2);u(idx)=u(idx)-M;idy...
2019-04-15 22:12:44
19754
5
原创 频域和空域滤波的比较
一，空域滤波器空域滤波是在图像空间中借助模板对图像进行领域操作，处理图像每一个像素的取值都是根据模板对输入像素相应领域内的像素值进行计算得到的。空域滤波基本上是让图像在频域空间内某个范围的分量受到抑制，同时保证其他分量不变，从而改变输出图像的频率分布，达到增强图像的目的。空域低通滤波器是应用模板卷积方法对图像每一像素进行局部处理。模板就是一个滤波器，设它的响应为 w(s,t) ,于是滤波输出的数...
2019-04-09 09:14:40
30835
6
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