- 博客(9)
- 资源 (2)
- 收藏
- 关注
RSS订阅转载 RANSAC算法理解
RANSAC是“RANdom SAmple Consensus（随机抽样一致）”的缩写。它可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。它是一种不确定的算法——它有一定的概率得出一个合理的结果；为了提高概率必须提高迭代次数。RANSAC的基本假设是：（1）数据由“局内点”组成，例如：数据的分布可以用一些模型参数来解释；（2）“局外点”是不能适应该模型的数据；（3）除此之外的数据属于噪声。局外点产生的原因有：噪声的极值；错误的测量方法；对数据的错误假设。R...
2021-09-28 15:30:58
32590
2
原创 Windows下select模型（以及EAGAIN、EWOULDBLOCK、EINTR）
在这里记录一下，以前都是新项目用到了就从旧项目中拷贝。自从将博客当作记事本，发现自己多了一个好习惯。Windows下select模型_程序员攻略-CSDN博客EAGAIN、EWOULDBLOCK、EINTR - markqian86 - C++博客...
2021-09-28 11:15:36
609
原创 pytorch标准化(Batch Normalize)中计算数据集的均值和方差
1，浅谈深度学习训练中数据规范化(Normalization)的重要性为什么要Normalization？ 请参考浅谈深度学习训练中数据规范化(Normalization)的重要性 - Oldpan的个人博客
2021-09-26 15:12:32
1441
转载 图像检索系列——利用深度学习实现以图搜图
转载自：图像检索系列——利用深度学习实现以图搜图 - 知乎前言在上一篇文章《图像检索系列——利用 Python 检测图像相似度》中，我们介绍了一个在图像检索领域非常常用的算法——感知哈希算法。这是一个很简单且快速的算法，其原理在于针对每一张图片都生成一个特定的“指纹”，然后采取一种相似度的度量方式得出两张图片的近似程度。然而随着深度学习的崛起，极大的推动了图像领域的发展，在提取特征这方面而言，神经网络目前有着不可替代的优势。在上一篇文章中我们也介绍了图像检索往往是基于图像的特征比较，看特征匹配的
2021-09-24 11:33:36
8502
2
原创 归一化互相关（NCC）及其部分应用场景
1，如何理解归一化互相关（NCC）2，部分应用场景基于灰度的匹配一般被称为模版匹配，直接以灰度进行匹配效果不好，对光照很敏感，所以一般会以灰度归一化互相关（NCC）作为匹配依据，增强光照变化下的鲁棒性，为了降低计算量，多采用图像金字塔来实现先粗后精的方式加快匹配速度，匹配出像素位置后，会进一步做亚像素插值，使匹配出的位置达到更高的精度，处理旋转和缩放也很直接，就是在限定的角度范围和缩放比例内，取一定的步长生成多张模版，一一进行匹配。模版匹配处理遮挡比较困难，对光照变化想...
2021-09-24 11:27:08
2181
原创 为何pytorch预训练的resnet模型对输入图片的大小无要求？
原本的ResNet18模型对于输入的训练图像是有严格的大小限制的，规定的大小为224*224。但是最近发现Pytorch中预训练的resnet模型时，输入图片的大小为200*200或者是其他尺寸时也可以。 于是就好奇到底是什么原因。1，RESNET-18网络图示理解17个卷积层（conv）+1个全连接层（fc）提示： BN 就是批量归一化 RELU 就是**函数 lambda x:x 这个函数的意...
2021-09-23 14:37:56
10803
1
原创 pytorch里transforms.ToTensor和Normalize()
Pytorch官方文档：1, change H W C to C H W;2, 将【0，255】映射为【0,1】
2021-09-20 00:12:46
560
转载 神经网络中pooling池化层如何参与反向传播？
池化层pooling操作常见的有平均池化mean pooling和最大池化max pooling，前者取某特征区域的平均值进行输出，而后者则取某特征区域的最大值进行输出，池化层的一般作用是对特征图进行下采样，它本身没有参数权重，计算也简单，但它可达到降维特征、突显特征、减少参数量、减少计算量、增加非线性、防止过拟合及提升模型泛化能力等作用，池化层的前向传播我们都比较好理解，但是其是如何参与反向传播的呢？本文就让我们一起来了解关于池化层的反向传播实现方法吧。池化层在反向传播时，它是不可导的，...
2021-09-16 17:02:49
1765
原创 智能指针的使用
智能指针在C++11版本之后提供，包含在头文件<memory>中，shared_ptr、unique_ptr、weak_ptr。1，shared_ptr的使用shared_ptr使用引用计数，每一个shared_ptr的拷贝都指向相同的内存。每使用他一次，内部的引用计数加1，每析构一次，内部的引用计数减1，减为0时，自动删除所指向的堆内存。shared_ptr内部的引用计数是线程安全的，但是对象的读取需要加锁。初始化。智能指针是个模板类，可以指定类型，传入指针通过构造函数初始
2021-09-01 14:04:23
1438
Windows C++访问SQL SERVER数据库项目实战案例
2022-09-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人