dl/ml
文章平均质量分 78
deep learning
Polya_Xue
这个作者很懒,什么都没留下…
展开
-
Deepmind 公司及AI岗位概览
一、公司背景When we started DeepMind in 2010, there was far less interest in the field of AI than there is today. To accelerate the field, we took an interdisciplinary approach, bringing together new ideas and advances in machine learning, neuroscience, engine原创 2021-12-11 12:00:59 · 1139 阅读 · 0 评论 -
围棋AI,蒙特卡洛树搜索
目录一、AI算法1.1蒙特卡罗方法(Monte Carlo method)1.2. 蒙特卡洛树搜索(Monte Carlo Tree Search,MCTS)1.3 Upper Confidence Bounds(UCB)正文1.1蒙特卡罗方法(Monte Carlo method)像圆周率计算实验一样,用通过概率实验所求的概率估计来估计一个未知量,这样的方法统称为蒙特卡罗方法(Monte Carlo method)。在现实世界中,大量存在一些复杂性过程,由于这类模型..原创 2021-11-25 10:30:41 · 3921 阅读 · 0 评论 -
Matlab 矩阵拼接和随机取列、取行
A = [1,2,3; 4,5,6; 7,8,9; 10,11,12]B = [0,1,2];% ; 表示纵向拼接,B在A的下面。横向拼接为 : C = [A; B]s = size(A);data_sum = s(1); % 取的比例addPercentage = 0.5;addNum = round(data_sum * addPercentage)% 取列selected = A(:,randperm(s(2),addNum))% 取行.原创 2021-09-08 19:19:27 · 4749 阅读 · 3 评论 -
字符识别--CRNN+CTC
文字检测过程分两步,第一步为检测出文字所在的位置,第二步根据检测框里的内容进行文字识别。SRN字符识别算法全称Towards Accurate Scene Text Recognition with Semantic Reasoning Networks,论文地址:https://arxiv.org/abs/2003.12294文字定位算法这里有讲:https://blog.csdn.net/qq_31607947/article/details/114637794一、背景知识1..原创 2021-03-14 18:14:10 · 1335 阅读 · 0 评论 -
文字检测定位--SAST
文字检测过程分两步,第一步为检测出文字所在的位置,第二步根据检测框里的内容进行文字识别。CTPN是ECCV在2016年提出的一种文字检测算法,具有较好的横向文字定位功能。该算法结合了CNN和LSTM深度网络,主要是由Fast-RCNN上改进而来。Fast-RCNN介绍:https://mp.csdn.net/editor/html/114628167一、背景介绍1、LSTM层LSRM全程long short term memory...原创 2021-03-10 17:28:46 · 2066 阅读 · 0 评论 -
Fast-RCNN简析
一、RCNNRCNN为Fast-RCNN的基础,发表于2014年,是首度使用深度学习神经网络进行目标检测的算法。论文名字:Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation1、特征提取相比于SIFT和HOG特征它提取,RCNN采用selective search后输入Alexnet,特征维度大大减少。selective search--不关心特定的区域,即从输入图片中随机提取出200原创 2021-03-10 15:24:15 · 971 阅读 · 0 评论 -
单、双目标定及双目立体视觉深度图获取
最终目标:获取位图(深度图)过程:1、单目标定(棋盘标定法)2、双目标定3、获取位图一、单目标定前期准备--我使用的是两个摄像机,固定好位置不变,把棋盘图片和最终要测量的实物图一起拍完。棋盘图片拍的不太够,主要是标定失败率太高,20多组照片最后只有4组可以用。(问题一,失败率过高)我的标定板是自制的,精度差的一批,先把代码跑通了,后面再解决精度问题。(问题二,精度低)两个镜头拍摄的照片轮流被标定,只有当两个镜头找到的角点都没有问题(ret为true),这组角点才会被.原创 2020-10-15 19:45:44 · 2085 阅读 · 1 评论 -
双目立体视觉--传统方法和深度学习方法
https://blog.csdn.net/nzzfsw/article/details/105541171原创 2020-07-22 11:02:05 · 1679 阅读 · 0 评论 -
双目立体视觉-特征匹配SGM算法
可以将这两位作者的博客结合着看:https://zhuanlan.zhihu.com/p/49272032和https://blog.csdn.net/wsj998689aa/article/details/49464017https://blog.csdn.net/wsj998689aa/article/details/50488249原创 2020-07-09 16:01:11 · 796 阅读 · 0 评论 -
人脸识别之opencv EgienFace特征脸算法
转自:https://blog.csdn.net/u010006643/article/details/46417127原EgienFace学习文档:https://sites.cs.ucsb.edu/~mturk/Papers/jcn.pdf特征脸方法基本是将人脸识别推向真正可用的第一种方法,了解一下还是很有必要的。特征脸用到的理论基础PCA我在这里就不说了,百度一大堆,主要讲一下实现步骤和...转载 2020-04-27 09:20:51 · 551 阅读 · 0 评论 -
吴恩达机器学习之评估,判断
1.When it's going on a training, the data should be divided into three parts:training data(训练集),cross validation data(交叉验证集),and test data(测试集)There will be three types error:The three error c...原创 2020-04-02 21:39:10 · 235 阅读 · 0 评论 -
特征提取(三)SURF算法详解
转自:https://www.cnblogs.com/jinjidexuetu/p/90ace4e8de574e3d5f4e6ac16a0dc157.html另外加了些自己的理解一、原理:Sift算法的优点是特征稳定,对旋转、尺度变换、亮度保持不变性,对视角变换、噪声也有一定程度的稳定性;缺点是实时性不高,并且对于边缘光滑目标的特征点提取能力较弱。Surf(Speeded Up ...转载 2020-03-16 10:57:39 · 8997 阅读 · 0 评论 -
特征提取(二)Hessian矩阵
黑塞矩阵(Hessian Matrix),是一个多元函数的二阶偏导数构成的方阵,描述了函数的局部曲率。黑塞矩阵常用于牛顿法解决优化问题,利用黑塞矩阵可判定多元函数的极值问题。在工程实际问题的优化设计中,所列的目标函数往往很复杂,为了使问题简化,常常将目标函数在某点邻域展开成泰勒多项式来逼近原函数,此时函数在某点泰勒展开式的矩阵形式中会涉及到黑塞矩阵。Hessian Matrix,它有着广泛的应...转载 2020-03-15 21:21:32 · 3543 阅读 · 0 评论 -
特征提取(一)特征点方向的概念
转自:https://blog.csdn.net/qq_21950671/article/details/93890267转载 2020-03-15 20:53:54 · 1250 阅读 · 0 评论 -
特征提取之旋转不变性和尺度不变性的通俗理解
没有图片,直接看原文链接:https://blog.csdn.net/julialove102123/article/details/80822076特征匹配(Feature Match)是计算机视觉中很多应用的基础,比如说图像配准,摄像机跟踪,三维重建,物体识别,人脸识别,所以花一些时间去深入理解这个概念是不为过的。本文希望通过一种通俗易懂的方式来阐述特征匹配这个过程,以及在过程中遇到的一些...转载 2020-03-15 10:45:28 · 15455 阅读 · 2 评论 -
双目立体视觉-相机标定之张正友棋盘标定
图片复制不过来,直接看原网页就好了叭:https://blog.csdn.net/JennyBi/article/details/85764988为什么需要相机标定?一个是由于每个镜头的在生产和组装过程中的畸变程度各不相同,通过相机标定可以校正这种镜头畸变,生成矫正后的图像——矫正透镜畸变;另一个是根据标定后的到的相机参数建立相机成像几何模型,由获得的图像重构出三维场景。具体来说...转载 2020-03-03 10:30:00 · 2413 阅读 · 1 评论 -
双目立体视觉-特征检测与特征匹配总结
特征检测opencv可以检测图像的主要特征,然后提取这些特征,使其成为图像描述符。特征:特征就是有意义的图像区域,该区域具有独特性或易于识别性。角点与高密度区域是一个很好的特征,边缘可以将图像分为两个区域,因此可以看作很好的特征,斑点(与周围有很大区别的图像区域)也是有意义的特征。大多数特征检测算法都会涉及图像的角点、边和斑点的识别。Harris可用于识别角点。此函数可以很好的检...转载 2020-03-02 22:13:11 · 3125 阅读 · 0 评论 -
双目立体视觉-特征匹配之FLANN算法
特征匹配的结果会得到两个特征集合的对应关系列表。第一组特征集被称为训练集(train),第二组被称为查询集(query)。Flann 在调用匹配函数之前,为了提高匹配速度,训练一个匹配器。训练阶段是为了优化cv::FlannBasedMatcher的性能。train类将会建立特征集的索引树。将 query image 的每一个特征点和 train 匹配器进行匹配,找出最佳匹配;也就是从query ...转载 2020-03-02 22:10:21 · 1957 阅读 · 0 评论 -
双目立体视觉-特征提取之SURF算法
SURF转自:https://blog.csdn.net/qq_30815237/article/details/86545950源文章有代码SURF(Speeded Up Robust Features)是对SIFT的一种改进,主要特点是快速。SURF与SIFT主要有以下几点不同处理: 1、 SIFT在构造DOG金字塔以及求DOG局部空间极值比较耗时,SURF的改进是使...转载 2020-03-02 20:53:07 · 2907 阅读 · 0 评论 -
双目立体视觉-特征提取之SIFT算法
尺度不变特征变换匹配算法详解ScaleInvariantFeatureTransform(SIFT)JustForFun转自:http://blog.csdn.net/zddblog/article/details/7521424对于初学者,从DavidG.Lowe的论文到实现,有许多鸿沟,本文帮你跨越。1、SIFT综述尺度不变特征转换(Scale...转载 2020-03-02 20:19:03 · 2651 阅读 · 0 评论 -
卷积神经网络(二)
卷积神经网络的训练过程卷积神经网络的训练过程分为两个阶段。第一个阶段是数据由低层次向高层次传播的阶段,即前向传播阶段。另外一个阶段是,当前向传播得出的结果与预期不相符时,将误差从高层次向底层次进行传播训练的阶段,即反向传播阶段。训练过程如图4-1所示。训练过程为:1、网络进行权值的初始化;2、输入数据经过卷积层、下采样层、全连接层的向前传播得到输出值;3、求出网络的输出值与目标值之...转载 2020-02-27 22:04:36 · 1404 阅读 · 0 评论 -
卷积神经网络
卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。 它包括卷积层(convolutional layer)和池化层(pooling layer)。对比:卷积神经网络、全连接神经网络左图:全连接神经网络(平面),组成:输入层、激活函数、全连接层右图:卷积神经...转载 2020-02-27 16:58:12 · 289 阅读 · 0 评论 -
动态捕捉(四)深度图像基础知识
第一部分:深度图像(depth image)也被称为距离影像(range image),是指将从图像采集器到场景中各点的距离(深度)作为像素值的图像,它直接反映了景物可见表面的几何形状。深度图像经过坐标转换可以计算为点云数据,有规则及必要信息的点云数据也可以反算为深度图像数据。深度数据流所提供的图像帧中,每一个像素点代表的是在深度感应器的视野中,该特定的(x, y)坐标处物体到离摄像头平面...转载 2020-02-26 22:51:28 · 3610 阅读 · 0 评论 -
动态捕捉(三)KinectV2骨骼获取算法原理详解
一、骨骼跟踪的原理1.骨骼图是由深度图获取得到的(1)Kinectv1生成3D深度的图像的原理采用的是PrimeSence公司LightCoding技术。LightCoding技术理论是利用连续光(近红外线)对测量空间进行编码,经感应器读取编码的光线,交由晶片运算进行解码后,产生成一张具有深度的图像。LightCoding技术的关键是LaserSpeckle雷射光散...转载 2020-02-26 22:44:24 · 6154 阅读 · 1 评论 -
动态捕捉(二)基于Kinect+OpenCV+TV3D的动作捕捉思路
最近在探究动作捕捉方面的东西,因为之前学的东西比较杂,整理之后发现Kinect SDK,OpenCV,TV3D能很好的融合起来做一个不错的东西。接下来讲解一下思路。目的:实现kinect传感器接收数据,程序处理数据,并以3D效果实时展示并保存的效果。首先解释一下为什么用Kinect,还有tv3d这么一般人认为过时的东西。首先我做的不是商业软件,关键是最简单方法达到目的,质量效率放一放。我个...转载 2020-02-26 22:36:39 · 1817 阅读 · 0 评论 -
动态捕捉(一)VR纪录片例子
最近,韩国MBC电视台制作的一档名为《遇见你》(너를 만났다)的记录片让无数网友潸然落泪。纪录片讲述了一位母亲在VR技术的帮助下,与因绝症去世的年幼女儿娜妍重逢的故事。真挚的思念之情以及VR技术的利用一时间成为网络上热门的话题。而今天我想跟大家分享的,是 “与娜妍重逢”背后的技术。在这部纪录片的展示中,包含照相建模技术,动作捕捉,自然交互、虚拟现实以及人工智能语音合成。那么下面就让我们一一...转载 2020-02-26 22:32:32 · 1394 阅读 · 0 评论 -
吴恩达机器学习之神经网络
吴恩达讲的英语很好听 --2020.02.10Neural NetworksOrigins: algorithms that try to mimic the brain.Neura...原创 2020-02-10 18:44:53 · 195 阅读 · 0 评论 -
吴恩达机器学习Exercise1的部分Octave command
在吴恩达视频中的第35节有讲师关于如何提交答案的过程介绍,以下的代码部分没有提交过,正确性还有待考量。主要记录的是生成gradient discent函数的过程,这次我用Octave生成的gradient descent函数和原数据汇集图的对比图:看起来感觉挺对应的(英语小白)the first partNow there are some data and are asked...原创 2019-08-02 18:55:50 · 178 阅读 · 0 评论