- 博客(18)
- 收藏
- 关注
原创 损失函数:sigmoid与binary_crossentropy,以及softmax与categorical_crossentropy的关系
损失函数与激活函数
2021-08-07 10:47:23 308
原创 OpenCV学习之世界坐标系、相机坐标系、图像坐标系和像素坐标系之间的转换关系
OpenCV学习之世界坐标系、相机坐标系、图像坐标系和像素坐标系之间的转换关系
2021-08-06 15:34:27 1635
原创 力扣1200最小绝对差
题目总结:1、题目隐晦描述升序输出,那么就需要先对数组进行排序:sort(arr.begin(),sort.end())2、数组的长度不能用sizeof求,直接arr.size()就求出了数组的长度3、定义新数组时需要看头文件的定义,本函数体第一行定义arr数组时,是:vector<vector>,那在定义新数组时也需要这样4、在数组中插入新值时,可直接用arr1.emplace_back(vector{arr[i],arr[i+1]}); 中的emplace_back函数直接引入。如
2021-08-05 16:49:25 100
原创 Learning multiview 3D point cloud registration 论文学习总结
Learning multiview 3D point cloud registration 论文学习总结一、存在问题作者在论文中提到点云的匹配时会存在1)相邻点云的低重叠会导致不精确或错误的匹配效果2)点云在匹配时非常依赖于局部环境,如果三维场景中的点云非常稀疏或有重复,会导致有不好的匹配结果3)为了将成对点云进行全局化,需要一个单独的后处理。然而这个单独的后处理存在很多由噪声引起的显著偏差。为此,作者提出了一个端到端训练的,将成对匹配和全局处理相结合的算法。二、创新点1)端到端2)提出
2021-06-04 14:58:49 505
原创 视觉SLAM14讲(第二版)重点总结(不断更新)
视觉SLAM14讲(第二版)重点总结(不断更新)文章目录视觉SLAM14讲(第二版)重点总结(不断更新)第1讲:预备知识SLAM相关书籍本书对SLAM模块的四块划分代码要求基础习题(基本知识自测题)第1讲:预备知识本章节主要介绍了本书讲解的内容及书的使用方法。SLAMSimultaneous Localization and Mapping中文译作“同时定位与地图构建”指搭载特定传感器的主体,在没有环境先验信息的情况下,于运动过程中建立环境的模型,并且估计自己的运动。简单来说,SLAM的目的
2021-04-09 14:36:56 1184 4
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