liudiudiu

特征匹配算子大致可以分为两类。一类是线性扫描法即将数据集中的点与查询点逐一进行距离比较，也就是穷举，缺点很明显，就是没有利用数据集本身蕴含的任何结构信息，搜索效率较低，第二类是建立数据索引，然后再进行快速匹配。因为实际数据一般都会呈现出簇状的聚类形态，通过设计有效的索引结构可以大大加快检索的速度。索引树属于第二类，其基本思想就是对搜索空间进行层次划分。 根据划分的空间是否有混叠可以分为Clippi

内部结构 公式输入门，以及内部状态更新 输出门，以及输出output =ht 输出state LSTM cell 代码在时间步上的循环

关于ROI pooling 比较简单，详情参考 ROI pooling V.S. SSP Pooling ROI是只有一层的SSP Pooling：ROI Pooling将proposal在feature map上的对应区域分为W * H 份，每一份取Max/Avg 将其放到固定位置 SSP Pooling是将proposal分为(4 * 4 / 2 * 2 / 1 * 1份，然后进行拼接...

交叉熵损失函数多分类的情况，来源

keras+VGG19

对于常规相机，SLAM里使用针孔相机模型　简而言之，一个空间点[x,y,z]和它在图像中的像素坐标[u,v,d] (d指深度数据) 的对应关系是这样的：u=x⋅fxz+cx,u=x⋅f_xz+cx,u=x⋅fx​z+cx,v=y⋅fyz+cy,v=y⋅f_yz+cy,v=y⋅fy​z+cy,d=z⋅s,d=z⋅s,d=z⋅s,其中，fx,fy指相机在x,y两个轴上的焦距，cx,cy指...

平面变换包括 线性变换，仿射变换线性变换线性变换包括 旋转，镜像(翻转)，伸缩（缩放），推移（错切）仿射变换仿射变换 = 线性变换 + 平移仿射变换是一种二维坐标到二维坐标之间的线性变换，它保持了二维图形的“平直性”（直线经过变换之后依然是直线）和“平行性”（二维图形之间的相对位置关系保持不变，平行线依然是平行线，且直线上点的位置顺序不变）。任意的仿射变换都能表示为乘以一个矩阵(线性变换...