- 博客(103)
- 资源 (1)
- 收藏
- 关注
RSS订阅
原创 一次配置好OpenCV2.4.13+VS2013开发环境，不用每次新工程都重新配置一遍（详细版步骤）
若是知道如何配置环境，只想了解如何一次配置好OpenCV+VS开发环境，不用每次新工程都重新配置一遍的同学，请直接看第5、9、10步骤。
2017-09-09 13:17:39
22121
9
原创 【论文解读】PanoSwin：为全景理解打造的“全景版“ Swin Transformer
PanoSwin 的核心智慧是"重写而非重造"：它没有像 PanoFormer 那样从零设计一个球面算子，而是把已被验证成功的 Swin Transformer 拿过来，按全景的几何特性把每个零件改一遍——移位窗口改成"能拼回南北极和左右接缝"的 PSW；加一个"让畸变窗口去问未畸变窗口"的俯仰注意力 PA；位置编码改用球面大圆距离。更妙的是它保留了"切回普通 Swin"的能力，从而能白嫖 ImageNet 的海量知识。
2026-10-19 18:53:27
19
原创 【论文解读】LGT-Net：用几何感知Transformer做室内全景房间布局估计
这个概念我们前面讲 LED²-Net 时遇到过，LGT-Net 把它用得更彻底。先复习一下。LGT-Net 的精髓是"把几何讲清楚"：它发现前人的表示只说了"房间在水平方向长什么样"，高度信息却被藏在天花板边界里间接推导，而且地板/天花板共用一支输出互相干扰。于是它把布局拆成"水平深度 + 房间高度"两个独立分支直达本质；再发明 SWG-Transformer（窗口抓局部、全局抓整体、移位窗口打通边界）解决全景首尾断裂；最后把"墙要平、角要转"写成法向与法向梯度的可微损失。
2026-10-18 19:38:27
101
原创 【论文解读】Layout Anything：一个Transformer搞定通用房间布局估计
Layout Anything 走的是一条"借力"路线：不重新发明轮子，而是把通用图像分割的王者 OneFormer 搬来做房间布局分割。它的两个原创贡献都很对症——"布局退化增强"用 DAG 建模房间拓扑，把复杂房间系统性地变简单，凭空造出大量配对样本，既缓解了类别不平衡又模拟了遮挡；"可微几何损失"则直接把"边界要直、要锐、平面内部要匀"这些几何规矩写进训练目标。结果：三个基准全部 SOTA，114 毫秒，且彻底不需要后处理。
2026-10-16 19:34:21
301
原创 【论文解读】BADGR：用梯度条件化的扩散模型做广基线户型图重建
BADGR 解决的是一个"两难"：纯几何优化（BA）能保证照片对齐，但遇到遮挡就断、且没有户型常识；纯生成模型（扩散）能画出合理户型，但和照片对不上。前人试图"把两者的力加起来"，结果两股力打架、抖动不收敛。BADGR 换了思路——不让 BA 去"拉"扩散模型，而是把 BA 算出的每列调整梯度作为条件喂给 Transformer，让它在训练时就学会"如何参考几何意见"。结果：既对齐了照片，又画出了合理户型，收敛还快了 5 倍。四条可以带走的思路：当两股力量方向冲突时，别"相加"，改"汇报"。
2026-10-16 14:50:05
321
原创 【论文解读】PolyRoom：房间感知的Transformer户型图重建
PolyRoom 的核心智慧是"别让模型从零开始瞎猜"：它先用实例分割给每个房间画一张草图，把房间轮廓均匀采样成固定 40 个点作为起点，再让 Transformer 一层层"修图"；同时把自注意力拆成"房间内管形状、房间间管拓扑"两半，内存省了 36%、精度反而更高。
2026-10-16 12:48:44
132
原创 【论文解读】Connecting the Dots：用两级 Query 重建户型图（RoomFormer）
—先定结构，再磨精度，两级查询分步解决核心洞察论文作者把户型拆成了两个层次的问题：拓扑结构问题：这套房子有几面墙？几间房？墙和墙怎么连接？哪有门洞？几何精度问题：每个墙角的精确 xy 坐标是多少？墙厚是多少？对应的解决思路就是：分两步走，先定性，再定量。用两级查询分别解决两个问题，互不干扰又互相关联。RoomFormer 做了一次漂亮的"减法"：前人把户型图拆成"检测角点→连边→组装房间"的好几步，每一步都可能出错且无法回头；
2026-10-15 22:18:24
349
原创 【论文解读】NadirFloorNet：用少量已配准全景图重建多房间户型图
Nadir（天底点） 是摄影测量里的术语，指"相机正下方"的方向。Nadir 平面 = 一个水平的俯视平面，也就是你从正上方往下看得到的那张图——就是户型图本身。类比：把房间比作一个鞋盒。Nadir 平面就是你掀开盒盖、从上往下拍的那张照片——看到的就是鞋盒的"脚印"。为什么选这个表示？ 论文的判断非常精准：Nadir 投影作为中间表示，比一维向量信息量大，又比三维点云省算力。这是一次很讲究的尺度选择表示信息量算力1D 向量（如 HorizonNet）太少极省Nadir 2D 图。
2026-10-15 20:21:40
326
原创 【论文解读】PanoContext-Former：用 Transformer 做全景“总场景理解“
PanoContext-Former首次实现全景图下“房间布局+家具3D盒+完整形状”的端到端联合理解，通过深度先验构建3D骨架，利用Transformer上下文模块让三任务互校互正。创新性提出物理违规损失与随机TokenMasking，显著提升精度。发布真实场景数据集ReplicaPano，推动全场景理解迈向实用化。
2026-10-14 19:56:49
210
原创 PanoFormer 和 PanoSwin 各自怎么解决 ERP 的三大难题
—前者主攻「全景深度估计 + 语义分割」，后者主攻「全景目标检测 + 图像分类 + 房间布局估计」。所以对比它们的意义不在于“谁分数更高”，而在于。
2026-10-14 14:26:24
290
原创 【论文解读】PanoFormer：用于室内 360° 深度估计的全景 Transformer
PanoFormer 的核心哲学是"不要在不合适的空间里硬做"：CNN 之所以搞不定全景，不是因为不够深，而是因为它一直在那张被揉皱的地图上量距离。PanoFormer 先把每个点投影回球面、在切平面上找邻居（消畸变），再让网络学一个偏移量把采样点推到真实结构上（感知几何）。结果：RMSE 大幅下降，极区精度提升约 40%，而且这套 PST block 换个任务（语义分割）照样好用。四条可以带走的思路：当数据在某个空间里"表现不好"时，先考虑换空间，而不是换模型。
2026-10-14 14:14:08
229
原创 【论文解读】LED²-Net：通过可微深度渲染做单目 360° 布局估计
要确定一个房间的形状，最少需要知道什么？沿着水平一圈，每个方向上的墙离你有多远。朝正前方 → 5 米到墙朝右前方 → 3.5 米到墙朝左后方 → 2 米到墙（那里有个凹角）……把这 360° 上每个方向的距离记下来，连成一条曲线——你就能还原出整个房间的俯视轮廓。这条曲线，就是 horizon-depth（地平线深度图）。本质：它就是房间俯视图的极坐标版本。给你一圈距离，就等于给了你房间形状。
2026-10-14 13:27:33
183
原创 HoHoNet 的“潜在水平特征“（LHFeat）是怎么提取的？
LHFeat 的提取 = 用 ResNet 看清图像 → 用"先瘦通道、再插对齐、然后一击压扁"的 EHC 把每一列总结成一个向量 → 多层拼接 → 用 MHSA 让每一列知道全局 → 得到一条 256×1024 的"全景一句话摘要"。它既是布局任务的最终答案，又能通过 h2d 模块（IDCT）"解压"回完整的深度图和分割图。
2026-10-12 19:55:28
95
原创 【论文解读】HoHoNet：用潜在水平特征做360°室内全景的整体理解
卖点具体数字🚀 快（Fast）在512×1024 高分辨率全景图上，ResNet-50 跑52 FPS，ResNet-34 跑110 FPS，还能输出密集模态🧰 全能（Versatile）把输出空间从O(W) 放宽到 O(HW)，一套框架同时干布局重建 + 深度估计 + 语义分割🎯 准（Accurate）布局、分割与当时 SOTA 持平；深度估计大幅超越所有前人HoHoNet 的故事是一次"把好想法用到底"的典范：HorizonNet 发现"房间可以压成一行字"，但只用它画了房间骨架；
2026-10-12 19:28:03
279
原创 AtlantaNet中的双视图协同方法(天花板视图 + 地板视图)
AtlantaNet 没有做"多视图特征融合"——它做的是"多视图分工 + 几何反解"：两个视图共享一个网络（训练时融合），推理时各出一件事（天花板给形状、地板定尺度），最后靠"两个轮廓什么时候能完全叠上"这个几何关系，反解出房间高度。这不仅避开了"尺度不同无法对齐"的死结，还顺手把"求房高"这个原本需要额外网络或后处理的难题，变成了一道几何题。
2026-10-12 14:33:46
108
原创 【论文解读】AtlantaNet：超越曼哈顿世界假设，从单张 360° 图像推断3D室内布局
AtlantaNet 做了一次漂亮的"松绑"：它把房间形状的规则从"墙必须成直角"放宽到"墙只要竖直就行，弯的也行"。实现路径同样巧妙——先把全景图铺到天花板、地板两个水平平面上（避开球面变形），再让网络在这两张干净的图上画出房间轮廓，最后靠"天花板和地板轮廓什么时候能完全叠上"反推出房间高度。结果：在斜墙、圆弧墙房间上，它比最强的曼哈顿方法高出 6.5 个点。四条可以带走的思路：当所有人都卡在同一个约束上时，去质疑那个约束本身。
2026-10-12 12:17:47
283
原创 CFL 与后续 Transformer 布局方法的技术演进对比
CFL解决了“怎么在全景图上做卷积”的单点问题；Transformer方法进一步解决了“怎么在全景图上做自注意力、位置编码、窗口划分”的全链路问题，从单层修正升级为完整的全景视觉适配体系。对延迟要求极高的嵌入式、端侧实时场景；标准户型、光照良好、遮挡少的标准化场景；计算资源有限的边缘设备。
2026-10-12 10:48:10
233
原创 【论文解读】Corners for Layout：从 360° 图像端到端恢复房间布局
首次提出端到端全景布局恢复模型，直接输出墙角概率图并连点成房，摒弃传统三段式流程，速度提升百倍。创新提出EquiConvs球面卷积，自适应全景图畸变，显著增强手持拍摄鲁棒性。放松曼哈顿假设，支持斜墙与多边形房间，实现高精度、实时布局重建。其“预测角点即重构”思路与通用球面卷积设计，推动全景视觉从几何优化迈向深度学习端到端时代。
2026-10-12 09:28:34
266
原创 CFL 与 HorizonNet 核心区别全面对比
最佳适用场景：标准化住宅家装、VR实时交互、嵌入式端侧设备等绝大多数直角房间场景；核心优势：在主流直角场景下精度最高、参数量最小，是工业落地的首选方案。
2026-10-12 09:14:24
254
原创 【论文解读】PanoContext：全景场景理解的全房间 3D 上下文模型
内容输入一张全景图，覆盖360° 水平 × 180° 垂直 视场，以等距柱状投影（equirectangular）表示输出① 房间的 3D 包围盒（长方体）② 房间内所有主要物体的 3D 包围盒③ 每个物体的语义类别核心假设曼哈顿世界假设：场景由与三个主要方向对齐的 3D 长方体组成注意它做的事比后来的方法更多：LayoutNet、HorizonNet 只管"房间骨架"，而 PanoContext 连"房间里有什么家具、在哪"一起做了。它追求的是。
2026-10-11 20:21:09
331
原创 DuLa-Net vs HorizonNet：复杂房型对决
在复杂房型（6角以上）中，HorizonNet全面领先，尤其在10+角场景下优势达13.9个点，其基于双向LSTM的全局推理能力可有效脑补遮挡墙角，几何精度更高。而DuLa-Net开创“不预设角点数”思路，首次实现复杂房型建模，贡献巨大。两者本质差异在于：一为“躲”（看天花板），一为“推”（全局推理）。房间越复杂，“推”的优势越明显。尽管DuLa-Net输出直观、后处理快，但受限于视场角、网格近似与单一高度假设，难以应对深度细节。最终，前者解决“能不能做”，后者解决“能做多好”，后者成为后续主流地基。
2026-10-11 16:31:38
288
原创 【论文解读】DuLa-Net：用“双视角“从一张 RGB 全景图估计房间布局
往下看地板，地板上堆满了家具、杂物；往上看天花板，天花板是空的。作者原本参考的做法是把全景图投影成"地板视图"（相机在图像中心，垂直线变成从中心放射出去的线）。但 DuLa-Net 反过来——抬头看天花板，得到一个"更干净、无遮挡的房间轮廓"。避开杂物，看最干净的那个面。DuLa-Net 的成功在于"换个角度看问题"——字面意义上的。同一张全景图，既看摊平的全景、又看抬头的天花板，两只眼睛互相通气；再绕开"从 2D 推 3D"这个病态难题，直接在 2D 上画好平面图、按高度拉起来。
2026-10-11 16:06:45
173
原创 【论文解读】HorizonNet：用一维表示 + 全景拉伸增强来学习房间布局
HorizonNet提出将房间布局预测从二维像素级输出简化为三条一维数字序列（天花板/地板边界与墙角概率），显著提升精度与效率。通过1D表示解决“零主导背景”问题，结合双向LSTM实现全局上下文建模，并设计PanoStretch数据增强，在不依赖深度信息下模拟真实房间形变，大幅增益泛化能力。后处理仅需12毫秒，实现毫秒级3D布局重建。
2026-10-11 14:12:03
342
原创 【论文解读】LayoutNet v2 / DuLa-Net v2
这篇论文没有发明新方法，而是给整个领域立了规矩：统一了跑道（框架与设置）、造了新考场（MatterportLayout）、发明了两把更严的尺子（深度指标），然后公平地告诉大家——HorizonNet 这类的"逐列扫描 + 抠局部细节"思路，才是复杂房型的正确答案。三个可以迁移到学习上的思路：比较之前先统一标准——不然你根本不知道差距来自实力还是来自装备；指标会骗人——当大家分数都差不多时，往往不是真的差不多，而是尺子太粗；换一个更敏感的指标，真相就出来了；"简化假设"是强大的武器。
2026-10-10 20:00:07
389
原创 图像清晰度计算方法（c++/opencv）
Brenner梯度法：Brenner梯度评价函数，计算相差两个单元的两个像素点的灰度差的平方：算法准确性取决于阈值的选取。其中：f(x,y) 表示图像f对应像素点(x,y)的灰度值，，F_Brenner为图像清晰度计算结果。Tenegrad梯度法采用sobel算子分别提取水平和竖直方向的梯度值：其中：T是给定的边缘检测阈值，Gx和Gy分别是像素点(x,y)处Sobel水平和垂直方向边缘检测算子的卷积，建议使用以下的Sobel算子模板来检测边缘：...
2026-10-09 21:58:08
173
原创 为什么要在LayoutNet中进行3D 布局优化
因为 4 面墙（或 6 面）一起调，组合会爆炸。论文用的是坐标下降一次只动一个变量，其他固定——逐个击破，反复几轮，收敛得又快又稳。就像调一张椅子的四条腿：你不会同时拧四个螺丝，而是一次调一条腿，轮着来几圈。3D 布局优化这个模块，是 LayoutNet 方法论的集中体现。① 网络不擅长的事，别硬让它做。网络擅长"模糊的、带不确定性的感知"（概率图），不擅长"精确的、带硬约束的几何求解"。后者用几十年前就成熟的数值优化工具（L-BFGS-B）反而又快又准。② "约束"是免费的午餐。
2026-10-09 21:55:03
318
原创 LayoutNet 网络结构 · 零基础完整讲解
该网络如“漏斗+两座金字塔+一个陪练”，将全景图与线框小抄融合输入，经7层卷积压缩为4×8×2048的精华。解码器通过双金字塔分别生成边界图与角点图，借助跳跃连接防偏移，并以分支间信息传递提升遮挡区域预测精度。训练时引入3D回归器作为“陪练”，虽推理不参与，却通过损失函数强化结构学习。整体体现“先对齐再建模、分工协作、副产品赋能”三大智慧，在端到端潮流中坚守深度学习与显式几何结合的范式。
2026-10-09 20:37:02
386
原创 LayoutNet为什么要对全景图对齐
LayoutNet通过几何对齐将倾斜的全景图“扶正”，消除相机姿态影响，使墙缝变为竖直直线，让网络专注学习房间结构；同时提取线框图作为“小抄”辅助训练，显著提升3D布局重建精度，证明显式几何约束在深度学习中的关键价值。
2026-10-09 16:21:07
243
原创 fstream文件流的读与写-demo
#include <fstream>#include <iostream>#include <string>using namespace std;int main(){ string data; // 以写模式打开文件 ofstream outfile; outfile.open("E:/wt/tet.txt", ios::app); ...
2018-12-26 10:14:20
757
原创 【拜小白的机器学习】6-机器学习中几种距离相似性度量方法
在机器学习和数据挖掘中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。最常见的是数据分析中的相关分析，数据挖掘中的分类和聚类算法，如 K 最近邻（KNN）和 K 均值（K-Means）等等。在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，...
2018-06-29 15:19:02
1644
原创 【拜小白的机器学习】5-机器学习的评估度量标准（评估）
在上一节中我们主要讲到机器学习的评估方法，其中重点是讲解了三种对数据集的划分方式，包括留出法（hold-out）、交叉验证法（k-fold cross validation）、自助法（bootstrap）。本节来看看机器学习的评估度量标准，其中我们将从回归（Regression）与分类（Classification）两个大类来讨论其中的评估度量标准。==================分割线===...
2018-06-27 15:56:49
2298
转载 桩程序和驱动程序的简单理解
转自：驱动模块和桩模块的概念和区别===================分割线===================桩模块和驱动模块(以C语言为例)： 很多人对桩模块和驱动模块的概念会搞不清楚，那么下面来介绍这两个概念： 模块结构实例图：假设现在项目组把任务分给了7个人，每个人负责实现一个模块。你负责的是B模块，你很优秀，第一个完成了编码工作，现在需要开展单元测试工作，先分析结构图：1、由于B...
2018-05-21 09:39:13
7565
6
原创 【拜小白的机器学习】4-机器学习的评估方法
在进行机器学习常常需要处理的一个问题是划分测试集和训练集。训练集用于训练模型，测试集则是根据训练集的训练结果来评判最终的训练效果。当我们手中没有未知的样本，那么如何进行可靠地评估呢？这里的关键是：在现有的数据集合中获得可靠的“测试集数据”。这里有一个标准，就是测试集（用于评估）应该与训练集（用于学习）尽可能保持“互斥”。常用的数据集划分方法有一下几种：留出法（hold-out）交叉验证法（k-fo...
2018-05-04 15:12:21
912
原创 【拜小白的机器学习】3-机器学习基本流程与工作环节
、机器学习的应用工作是围绕着数据与算法展开的。可以这么讲：数据+机器学习算法=预测模型数据和算法一起发挥作用，才能构建一个能够使用的预测模型。在这当中，数据的“质”与“量”对最后的结果有着非常大的影响。===================分割线======================一个完整机器学习项目的流程可以如下形式1 抽象成数学问题 明确问题是进行机器学习的第一步。机器学习的训练过程...
2018-05-02 17:08:08
771
原创 【拜小白的机器学习】2-机器学习的种类与基本术语概念
根据面临的不同问题，机器学习可以分为如下几类：聚类问题分类问题回归问题强化学习=====================分割线===============1.聚类问题 （无监督学习） 聚类算法属于非监督式学习，通常被用于探索性的分析，是根据“物以类聚”的原理，将本身没有类别的样本聚集成不同的组，这样的一组数据对象的集合叫做簇，并且对每一个这样的簇进行描述的过程。它的目的是使得属于同一簇的样本...
2018-05-02 14:28:23
606
转载 【拜小白的机器学习】1-机器学习概述（小白入门-深度好文-强烈推荐）
转自：从机器学习谈起此博主将机器学习内容，由浅入深慢慢讲解，让小白能够通俗易懂，是一篇很好的入门文章，感谢博主的细心整理。全文较长，建议阅读时间为30分钟！====================分割线=====================在本篇文章中，我将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相关的实践。这篇文档也算是EasyPR开发的...
2018-04-26 14:40:41
1292
转载 C++中virtual（虚函数）的用法
转自：http://blog.csdn.net/foreverhuylee/article/details/34107615在面向对象的C++语言中，虚函数（virtual function）是一个非常重要的概念。因为它充分体现了面向对象思想中的继承和多态性这两大特性，在C++语言里应用极广。比如在微软的MFC类库中，你会发现很多函数都有virtual关键字，也就是说，它们都是虚函数。难怪有人甚至...
2018-03-14 11:00:58
583
原创 吴恩达【深度学习工程师】之《神经网络和深度学习》小白笔记----【第一周】深度学习概论
本笔记记录的是吴恩达老师在网易云课堂开设的深度学习微专业课程。网易云课堂深度学习微专业的地址：http://mooc.study.163.com/smartSpec/detail/1001319001.htm目前为免费课程，希望大家有时间有精力听听。深度学习目前是一门火热的课程，一直对这个也比较感兴趣，正好在网易云课堂目前有这门课程的讲解，还是吴恩达老师的课程。为更好的学习与理解课程内
2018-01-22 09:46:00
800
zbar-0.10.zip
2019-07-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人