qq_40694323的博客

根据提取的相机的参数，2维坐标点转为3维坐标点

pyinstaller 打包exe ,出现的问题 缺少 QtCore.dll, QtGui.dll,QtWidgets.dll

1.torch.nn库2.Pytorch与visdom3.Pytorch与tensorboardX4.Pytorch与torchvision

1.Pytorch与autograd（自动计算梯度）-导数-方向导数-偏导数-梯度的概念2.梯度与机器学习中的最优解3.Variable is Tensor（案例中见）4.如何计算梯度5.关于Autograd的几个概念torch.autograd.Function的子类并实现forward和backward函数

1.Tensor的组合/拼接2.Tensor的切片 3.Tensor的变形操作 4.Tensor的填充操作 5.Tensor的频谱操作(傅里叶变换)6.Pytorch简单编程技巧

1.Tensor中统计学相关的函数2.统计学习中分布函数（以后学习）3.Tensor中的随机抽样4.Pytorch与线性代数运算5.Pytorch与张量的操作（裁剪、索引与数据筛选，组合与拼接、切片、变形、填充）

Pytorch的基本概念1、tensor（张量）概念2、tensor的用法2.1、tensor的类型2.2、tensor的创建2.3、tensor的属性2.4、tensor的运算

目录一、决策树1.1原理 1.2决策树的特点 1.3决策树的三种基本类型 二、ID3（信息增益）算法 2.1信息熵 2.2条件熵 2.3信息增益详解3. ID3算法缺点 三、C4.5算法（分类树）1.信息增益率 2.剪枝 2.1 预剪枝2.2后剪枝 3.缺点四、CART算法 （分类树）4.1.连续特征处理 4.2.离散特征处理4.3.基尼指数（分类树）决策树:从训练数据中学习得出一个树状结构的模型。就相当于这种树状模型。 ......

目录3.1 试析在什么情形下式(3.2) 中不必考虑偏置项 b.3.2、试证明，对于参数w,对率回归的目标函数(3.18)是非凸的,但其对数似然函数(3.27)是凸的. 3.3、编程实现对率回归,并给出西瓜数据集3.0α上的结果.3.4 选择两个 UCI 数据集，比较 10 折交叉验证法和留一法所估计出的对率回归的错误率。3.5 编辑实现线性判别分析，并给出西瓜数据集 3.0α 上的结果.①b与输入毫无关系，如果没有b，y‘=wx必须经过原点②当两个线性模型相减时，消除了b。可用训练集中每个样本都减去第

周志华 机器学习模型3.1、基本形式3.2、线性回归 3.3对数几率回归

周志华《机器学习》第二章课后习题

相机标定以及相机畸变矫正代码，结构清晰，一看就懂

解释单应性矩阵H 1.H是内参矩阵和外参矩阵的混合体：2.先不考虑镜头畸变： 3.旋转向量在构造中是相互正交： 4.—个单应性矩阵H可以提供上述两个约束条件5.B带入前面两个约束条件后可转化为 6.两约束条件最终可以转化为如下形式: 7.通过以上的公式推导做铺垫，求相机内参数。8. 求相机外参9.奇异值分解10. 考虑透镜畸变的影响......

一、回顾上两篇文章的内容二、标定方法分类三、张氏标定法1.棋盘2.用棋盘1）.单应性变换 2）.单应性在计算机视觉中的应用3）.如何估计单应矩阵?

像素坐标、图像坐标系​三、图像坐标系转化为像素坐标系、相机坐标系转化为图像坐标系（三维转二维）、世界坐标系转换为像素坐标系 、畸变参数 1.径向畸变 2.切向畸变3.畸变矫正

主要说明了 世界坐标系到相机坐标系，相机的外参与内参

python引用，浅拷贝与深拷贝，一看就懂，就怕不看。

python列表，循环列表的使用，列表的增删改查

python的循环使用

立体视觉-双目系统，单目系统，双目系统原理公式刨析