- 博客(18)
- 收藏
- 关注
RSS订阅原创 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