- 博客(5)
- 收藏
- 关注
RSS订阅原创 DTU数据集在MVSNet上生成点云精度和完整度的评定
针对准确性的评估，采用平均距离指标来度量，准确性指标越低越好，表示R与G之间的距离越小，恢复的点云更准确。针对完整性的评估，采用百分比指标来度量，完整性指标越高越好，表示R恢复的模型更加完整。论文中用到的指标为acc、comp、overall和f-scoreacc衡量的是重建点云到真实值的距离，comp衡量的是真实值到重建点云的距离，overall和f-score则是对准确性和完整性的整体评估，计算方式为precision和recall，计算公式如下：er→Gming∈G∥。
2024-03-21 16:20:37
1717
1
原创 制作NeRF数据集
文章目录准备工作安装ffmpeg安装opencv准备视频获取特征点信息切割视频使用colmap进行特征点提取、特征点匹配以及重建不过有更为方便的方法可以将前两个步骤一次性实现转化为llff格式将刚才处理好的文件整理出来按下列文件树放好下载LLFF在configs下新建一个txt文本，复制其他文本后将文件名和文件路径更改为自己制作的数据集所在位置可能遇到的问题：训练数据集准备工作安装colmap进入colmap官网(COLMAP - Structure-From-Motion and Multi
2023-11-22 15:03:22
310
原创 《深度学习》第二部分笔记
神经元节点计算线性函数zWxbz=Wx+bzWxb再计算激活函数#或者multiply()函数，将两个数组对应元素相乘dot()函数，数组秩为1时，对应元素相乘后求和；秩不为1，则执行矩阵相乘运算直接使用*运算符，结果同multiply()一致，然而，在使用mat()函数，将数组变为矩阵后，*运算变为数学上的矩阵乘法运算，即前矩阵行与后矩阵列相乘求和后依次放入对应位置（注：矩阵化后，multiply()函数仍然是对应元素相乘的运算规则）c = a * b。
2023-10-25 10:06:48
78
原创 C++简单的BP神经网络
BP神经网络在不同学习率的情况下最终的迭代精度会有所不同，学习率较小时，达到同样精度需要更多的迭代次数，学习率过大时，则会导致迭代精度偏差较大，甚至出现震荡现象，容易导致过拟合，因此在实际情况中应该选择一个合适的学习率，或者根据迭代次数进行学习率的动态变化从而达到更好的效果。
2023-09-25 15:40:29
482
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