实习专栏
与实习相关的知识内容
RichExplorer
智能辅助驾驶探索者~
展开
-
字节跳动三维视觉 实习生(AR方向)
字节跳动三维视觉(一面)1. 为什么使用分解后的最后一列是的解?答:推导过程如下:可以求取的最小二乘解,因此问题转换为,其中利用SVD将A进行分解:,其中U,V为单位正交矩阵,为奇异值的对角矩阵。则,等式两边同乘可得,,(原因在于U为单位正交矩阵)。则问题变为:,取,可得由于公式较多,因此采用手写的形式:2. 牛顿法、高斯牛顿法、LM法、DogLeg方法的区别?答:最速下降法的本质:非线性优化的本质是:如何寻找合适的步长和梯度下降方向。下...原创 2020-12-19 17:35:13 · 1366 阅读 · 3 评论 -
Mask R-CNN论文简述
Mask R-CNN 论文翻译摘要1. Introduction2. 主要贡献摘要提出了一个概念上简单,灵活和通用的目标分割框架。我们的方法有效地检测图像中的目标,同时为每个实例生成高质量的分割掩码。称为Mask R-CNN的方法通过添加一个与现有目标检测框回归并行的,用于预测目标掩码的分支来扩展Faster R-CNN。Mask R-CNN训练简单,相对于Faster R-CNN,只需增加一个较小的开销,运行速度可达5 FPS。此外,Mask R-CNN很容易推广到其他任务,例如,允许我们在同一个框架原创 2020-11-28 21:54:28 · 288 阅读 · 0 评论 -
GhostNet: More Features from Cheap Operations
GhostNet: More Features from Cheap Operations翻译笔记摘要1. Introduction2. Approach2.1 Ghost Module for More Features2.2 Building Efficient CNNs3. 结论摘要为了减少神经网络的计算消耗,论文提出Ghost模块来构建高效的网络结果。该模块将原始的卷积层分成两部分,先使用更少的卷积核来生成少量内在特征图,然后通过简单的线性变化操作来进一步高效地生成ghost特征图。从实验来看,转载 2020-11-28 20:17:33 · 417 阅读 · 0 评论 -
MobileNetV2: Inverted Residuals and Linear Bottlenecks
MobileNetV2: Inverted Residuals and Linear Bottlenecks论文翻译摘要1. Introduction2. Related Work3. 预备知识3.1 深度分离卷积(Depthwise Separable Convolutions)3.2 线性瓶颈(Linear Bottlenecks)3.3 倒残差(Inverted residuals)4. 模型架构(Model Architecture)摘要本文提出了一种新的移动架构MobileNetv2,改善了多转载 2020-11-28 17:42:59 · 2129 阅读 · 0 评论 -
SuperPoint: Self-Supervised Interest Point Detection and Description
SuperPoint: Self-Supervised Interest Point Detection and Description 翻译摘要1. 前言2. SuperPoint结构2.1 共享编码层2.2 兴趣点检测2.3 描述符解码层2.4 损失函数3. 合成数据集预训练3.1 合成形状3.2 魔点4. Homographic Adaptation4.1 选择单应性变换矩阵4.3 Iterative Homographic Adaptation5. 实验细节5.1 HPatches Homograp转载 2020-11-28 16:51:14 · 612 阅读 · 0 评论