- 博客(49)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 霍夫变换
转载自：http://www.cnblogs.com/php-rearch/p/6760683.html一、霍夫变换（Hough） A-基本原理一条直线可由两个点A=(X1,Y1)和B=(X2,Y2)确定(笛卡尔坐标)另一方面，也可以写成关于（k,q）的函数表达式（霍夫空间）：对应的变换可以通过图形直观表示：变换后的空间成为霍夫空间。即：笛卡尔坐标系中一条直线...
2019-03-27 15:34:02
1481
转载 深入理解Batch Normalization批标准化
转载自：https://www.cnblogs.com/guoyaohua/p/8724433.htmlBatch Normalization作为最近一年来DL的重要成果，已经广泛被证明其有效性和重要性。虽然有些细节处理还解释不清其理论原因，但是实践证明好用才是真的好，别忘了DL从Hinton对深层网络做Pre-Train开始就是一个经验领先于理论分析的偏经验的一门学问。本文是对论...
2019-03-27 10:28:58
168
转载 C++main函数及参数
转载自：https://www.cnblogs.com/carsonzhu/p/5276317.htmlC++ main()函数及其参数1、首先，想想C/C++在main函数之前和之后会做些什么？我们看看底层的汇编代码：__start: : init stack; init heap; open stdin; open stdou...
2019-03-27 10:09:55
8910
转载 在线深度学习：在数据流中实时学习深度神经网络
在线深度学习的主要困难是模型的容量、复杂度等设置很不灵活，即模型是静态的，而数据流是动态的。本论文提出了一种适应性的网络框架，结合 HBP 算法，使网络结构能随着数据的流入而逐渐扩展、复杂化。这使得模型同时拥有在线学习和深度学习的优点，并在多种在线学习模型和数据集的对比实验中都取得了当前最佳结果。近年来，我们见证了深度学习技术在很多应用中的巨大成功。学习深度神经网络面临着很多挑战，包括但不限...
2019-03-26 19:51:56
913
转载 ReLu的理解
转载自：https://blog.csdn.net/qq_20909377/article/details/79133981ReLU上的花样CNN出现以来，感觉在各个地方，即便是非常小的地方都有点可以挖掘。比如ReLU。ReLU的有效性体现在两个方面：克服梯度消失的问题 加快训练速度而这两个方面是相辅相成的，因为克服了梯度消失问题，所以训练才会快。ReLU的起源，在这片博...
2019-03-26 16:17:25
1106
转载 必须理解的三大软件原则(3):YAGNI
原文地址：http://net.tutsplus.com/tutorials/tools-and-tips/3-key-software-principles-you-must-understand/原则3：你不需要它(You Ain’t Gonna Need It)Google+发布时，Facebook的创始人Mark Zuckerberg是第一批在这个社交网络中注册账号的人之一，而这个...
2019-03-25 10:27:22
723
转载 必须理解的三大软件原则(2):KISS
原文地址：http://net.tutsplus.com/tutorials/tools-and-tips/3-key-software-principles-you-must-understand/原则2：保持简单直接（Keep it Simple Stupid）19世纪后叶，物理学家们纠结于解释当物体达到很远的距离，就像整个太阳系的距离时，他们间的引力，磁力，和光磁力是如何相互影响的。...
2019-03-25 10:26:17
440
转载 必须理解的三大软件原则（1）：DRY
原文地址：http://net.tutsplus.com/tutorials/tools-and-tips/3-key-software-principles-you-must-understand/如果你从业于软件开发行业，那么新技术，新语言，新概念将一直伴随着你。我们都会不时的感到疑虑：我可以跟的上这些改变并且保持着足够的竞争力吗？花些时间从我特别喜欢的电影《Casablanca》中总...
2019-03-25 10:14:54
1202
转载 深度学习中得Xaiver初始化
转载自：https://www.cnblogs.com/hejunlin1992/p/8723816.html“Xavier”初始化方法是一种很有效的神经网络初始化方法，方法来源于2010年的一篇论文《Understanding the difficulty of training deep feedforward neural networks》。 文章主要的目标...
2019-03-25 09:46:20
540
原创 剑指Offer（十一）：二进制中1的个数[位运算]
牛客网刷题笔记记录。参考自：https://cuijiahua.com/blog/2017/11/basis_11.html一.题目输入一个整数，输出该数二进制表示中1的个数。其中负数用补码表示。二.思路分析 如果一个整数不为0，那么这个整数至少有一位是1。如果我们把这个整数减1，那么原来处在整数最右边的1就会变为0，原来在1后面的所有的0都会变成1(如果最右边的1后面...
2019-03-23 09:10:49
104
原创 剑指Offer（十）：矩形覆盖[递归循环]
牛客网刷题笔记记录。参考自：https://cuijiahua.com/blog/2017/11/basis_9.html一.题目我们可以用2*1的小矩形横着或者竖着去覆盖更大的矩形。请问用n个2*1的小矩形无重叠地覆盖一个2*n的大矩形，总共有多少种方法？二.思路分析以2x8的矩形为例。示意图如下：我们先把2x8的覆盖方法记为f(n)。用第一个1x2小矩阵覆盖大矩形的最左...
2019-03-21 16:18:29
129
原创 特征点法视觉里程计
本文主要记录以下内容：1.特征点是如何提取与匹配的2.2D-2D对极几何3.3D-2D PnP4.3D-3D ICP5.三角化与深度估计一。特征点提取与匹配经典SLAM模型中以位姿---------路标（Landmark）来描述SLAM过程。路标是1.三维空间中固定不变的点，能够在特定位姿下观测到2.数量充足，以实现良好的定位3.较好的区分性，以实现数据关联...
2019-03-19 15:32:28
516
原创 slam建图与八叉树地图
八叉树地图是一种在导航中比较常用的，本身有较好的压缩性能的地图形式。点云地图的缺陷在点云地图中，虽然有了三维结构，也进行了体素滤波以调整分辨率，但是点云有几个明显的缺陷：1.点云地图通常规模很大，所以pcd文件也会很大。一幅640像素×480像素的图像，会产生30万个空间点，需要大量的存储空间。即使经过一些滤波后，pcd文件也还是很大的。而且重要的是，它的大并不是必须的。点云地图提...
2019-03-18 21:04:35
6172
原创 详解决策树
本科人工智能和研究生的高级人工智能课中都学习到了决策树，现在再来根据西瓜书中的内容详细的总结一下。决策树1.基本流程决策树学习的目的是为了产生一颗泛化能力强，即处理未见示例能力强的决策树，其基本流程遵循简单且直观的“分而治之”策略：输入：训练集D={(x1,y1),(x2,y2),....,(xm,ym)}; 属性集A={a1,a2,....,ad}....
2019-03-18 16:50:37
230
转载 蒙特卡罗算法
转载自：https://blog.csdn.net/zhou191954/article/details/110328651、蒙特卡罗算法 基本概述 蒙特卡罗（Monte Carlo）方法，又称随机抽样或统计试验方法。传统的经验方法由于不能逼近真实的物理过程，很难得到满意的结果，而蒙特卡罗方法由于能够真实地模拟实际物理过程，故解决问题与实际非常符合，可以得到很圆满...
2019-03-17 13:19:20
2348
2
转载 Z-buffer算法 及 点与多边形的包含性检测算法
做题时遇到了z-buffer算法，好久前看过这个算法但好久没遇到了，这次再遇见决定总结一下。转载自：https://www.cnblogs.com/cnblog-wuran/p/9830994.html1、Z缓冲区(Z-Buffer)算法1973年，犹他大学学生艾德·卡姆尔（Edwin Catmull）独 立开发出了能跟踪屏幕上每个像素深度的算法 Z-bufferZ-buffer让...
2019-03-17 12:36:29
1747
原创 SLAM中的逆深度及参数化问题
参数化问题在SLAM的建图过程中，把像素深度假设成了高斯分布。那么这么假设是否是合适的呢？这里关系到一个参数化的问题。 我们经常用一个点的世界坐标x,y,z三个量来描述它，这是一种参数化形式。我们认为x,y,z三个量都是随机的，它们服从三维的高斯分布。然而，在极线搜索中使用了图像坐标u,v和深度值d来描述某个空间点（即稠密建图）。我们认为u,v不动，而d服从（一维的）高斯分布，这是另一...
2019-03-15 20:52:55
9084
2
转载 OpenMP并行程序设计——for循环并行化详解
阅读SLAM代码时发现其中用到了一些OpenMP并行编程的知识，所以读了编不错的文章了解一下。转自：http://blog.csdn.net/zhongkejingwang/article/details/40018735在C/C++中使用OpenMP优化代码方便又简单，代码中需要并行处理的往往是一些比较耗时的for循环，所以重点介绍一下OpenMP中for循环的应用。个人感觉只要掌握了文...
2019-03-15 16:00:33
1740
转载 【并行计算】基于OpenMP的并行编程（#pragma omp parallel for）
阅读SLAM代码时发现其中用到了一些OpenMP并行编程的知识，所以读了编不错的文章了解一下。转自：https://www.cnblogs.com/hantan2008/p/5961312.html我们目前的计算机都是基于冯偌伊曼结构的，在MIMD作为主要研究对象的系统中，分为两种类型：共享内存系统和分布式内存系统，之前我们介绍的基于MPI方式的并行计算编程是属于分布式内存系统的方...
2019-03-15 15:57:03
25517
3
原创 剑指Offer（九）：变态跳台阶[递归循环]
牛客网刷题笔记记录。参考自：https://cuijiahua.com/blog/2017/11/basis_9.html一.题目一只青蛙一次可以跳上1级台阶，也可以跳上2级……它也可以跳上n级。求该青蛙跳上一个n级的台阶总共有多少种跳法。二.思路分析一开始我类似《跳台阶》题目的思路进行思考，可以找到f(n)=f(1)+f(2)+....+f(n-1)+1的数学递推关系式(简单解释...
2019-03-15 14:01:27
124
原创 SLAM建图（2）--------高斯分布的深度滤波器介绍
在上一篇的极限搜索与块匹配中，提到了深度滤波器这个概念，下面我来详细的记录一下关于高斯分布的深度滤波器的相关内容。高斯分布的深度滤波器 对像素点深度的估计，本身亦可建模为一个状态估计问题，于是就自然存在滤波器与非线性优化两种求解思路。虽然非线性优化效果较好，但是在SLAM这种实时性要求较强的场合，考虑到前端已经占据不少的计算量，建图方面则通常采用计算量较少的滤波器方式了。 在比...
2019-03-14 21:08:13
1285
4
原创 剑指Offer（八）：跳台阶[递归循环]
牛客网刷题笔记记录。参考自：https://cuijiahua.com/blog/2017/11/basis_8.html一.题目一只青蛙一次可以跳上1级台阶，也可以跳上2级。求该青蛙跳上一个n级的台阶总共有多少种跳法（先后次序不同算不同的结果）。二.思路分析首先我们考虑最简单的情况。如果只有1级台阶，那么显然只一种跳法。如果有2级台阶，那就有两种跳法：一种是分两次跳，每次跳...
2019-03-14 15:14:08
102
原创 SLAM建图（1）-------SLAM建图概述；极线搜索与块匹配；
好久没有更新SLAM系列的内容了，现在开始继续记录一下关于SLAM建图部分学习中的重要知识。建图概述在经典的slam模型中，所谓的地图，即所有路标点的集合。一旦确定了路标点的位置，那就可以说我们完成了建图。所以不管是视觉历程计也好，回环检测也好，事实上都建模啦路标点的位置，并对它们进行优化。从这个角度上说，为什么要单独的来详细的学习建图呢？ 这是因为人们对建图的需求不同。SLAM作...
2019-03-13 17:16:36
5720
2
原创 剑指Offer（七）：裴波那契数列[递归]
牛客网刷题笔记记录。参考自：https://cuijiahua.com/blog/2017/11/basis_7.html一.题目大家都知道斐波那契数列，现在要求输入一个整数n，请你输出斐波那契数列的第n项（从0开始，第0项为0）。n<=39附：斐波那契数列公式为：二.思路分析一开始看到这道题目的分类是递归时就毫不犹豫的用递归写了，而且也确实非常好写，瞬间就写...
2019-03-13 15:33:24
237
原创 机器学习中的线性模型
只挑了自己认为重要的简单的记录！！！1.基本形式线性模型形式简单、易于建模，但却蕴含着机器学习中一些重要的基本思想。许多功能强大的非线性模型可在线性模型的基础上通过引入层级结构或高维映射而得。此外，由于直观表达了各属性在预测中得重要性，因此线性模型有很好的可解释性。2.线性回归确定和b关键在于如何衡量f(x)和y之间的差别。均方误差是回归任务中最常用的性能度量，因此我们可以试...
2019-03-13 10:48:32
467
1
原创 剑指Offer（六）：旋转数组的最小数字[数组]
牛客网刷题笔记记录。参考自：https://cuijiahua.com/blog/2017/11/basis_6.html一.题目把一个数组最开始的若干个元素搬到数组的末尾，我们称之为数组的旋转。 输入一个非减排序的数组的一个旋转，输出旋转数组的最小元素。 例如数组{3,4,5,1,2}为{1,2,3,4,5}的一个旋转，该数组的最小值为1。 NOTE：给出的所有元素都大于0，若数组大小为...
2019-03-12 18:59:37
135
原创 剑指Offer（五）：用两个栈实现队列[栈]
牛客网刷题笔记记录。参考自：https://cuijiahua.com/blog/2017/11/basis_5.html一.题目用两个栈来实现一个队列，完成队列的Push和Pop操作。 队列中的元素为int类型。二.思路分析乍一看这道题目时感觉很简单不就是把数据们从一个栈里倒腾到另一个栈然后输出就行了吗？但仔细思考后发现遗漏了输入输出随机交替出现时产生的问题。不过还是很简单的，大...
2019-03-12 16:30:06
77
原创 剑指Offer（四）：重建二叉树[二叉树]
牛客网刷题笔记记录。参考自：https://cuijiahua.com/blog/2017/11/basis_4.html一.题目输入某二叉树的前序遍历和中序遍历的结果，请重建出该二叉树。假设输入的前序遍历和中序遍历的结果中都不含重复的数字。例如输入前序遍历序列{1,2,4,7,3,5,6,8}和中序遍历序列{4,7,2,1,5,3,8,6}，则重建二叉树并返回。二.思路分析通常树...
2019-03-12 15:50:50
118
原创 C++11 STL中的容器总结
C++11 STL中的容器==================================================一、顺序容器：vector：可变大小数组；deque：双端队列；list：双向链表；forward_list：单向链表；array：固定大小数组；string：与vector相似的容器，但专门用于保存字符。================...
2019-03-12 14:32:34
80
原创 剑指Offer（三）：从尾到头打印链表[链表]
牛客网刷题笔记记录。一.题目输入一个链表，按链表值从尾到头的顺序返回一个ArrayList。二.思路分析链表的遍历方式为从前往后，要求的输出为从后往前。这明显是一个先进后出的问题，由此想到利用栈进行解决本问题。三.编程实现C++class Solution {public: vector<int> printListFromTailToHead(...
2019-03-11 21:10:13
83
原创 剑指Offer(二)：替换空格[字符串]
牛客网刷题笔记记录。参考自：https://cuijiahua.com/blog/2017/11/basis_2.html一.题目请实现一个函数，将一个字符串中的每个空格替换成“%20”。例如，当字符串为We Are Happy.则经过替换之后的字符串为We%20Are%20Happy。二.思路分析最简单的方法就是从头到尾遍历，但是时间复杂度为O(n^2)。本文采用一种时间复杂...
2019-03-11 20:04:49
233
转载 万向锁问题详解，以Unity为例
转载自：https://blog.csdn.net/fengya1/article/details/50721768根据上面的说明两个旋转面（圆圈）怎么会共面，让我迷糊。假设共面，那这两个旋转面的法线应该是旋转轴，要想两个面共面，那旋转轴肯定平行的。但问题是以模型坐标（齐次坐标系）为旋转轴，无论旋转那个轴，其它两个轴也会相应的变化，而且相互垂直。就不会发生共面，不会出现万象锁？？？...
2019-03-11 14:55:44
1272
原创 C++中的const和volatile详解/详解C++常量（3） 非常详细！！！！！！！！！
接下来我们开始介绍const用于类的两种办法。4.const与类 程序员可能想在一个类里建立一个局部const,将它用在常量表达式里，这个常数表达式在编译期间被求值。然而，const的意思在类里是不同的，所以为了创建类的const数据成员，必须了解这一选择。 还可以使整个对象作为const(编译器总是将临时类对象作为常量).但是，要保持类对象为常量却比较复杂。编译器能保证一个内...
2019-03-11 14:50:42
218
原创 C++临时量
有时候，在求表达式值期间，编译器必须创建临时对象(temporary object)。像其他任何对象一样，他们需要存储空间，并且必须能够构造和销毁。区别是从来看不到它们（编译器负责决定他们的去留以及它们存在的细节）。但是关于临时量有这样一种情况：他们自动地成为常量。通常接触不到临时对象，改变临时量是错误的，因为这些信息应该是不可得的。编译器使所有的临时量自动地成为const，这样当程序员犯...
2019-03-11 11:06:52
234
原创 剑指Offer（一）：二维数组中的查找[数组]
牛客网刷题笔记记录。参考自：https://cuijiahua.com/blog/2017/11/basis_1.html一.题目在一个二维数组中（每个一维数组的长度相同），每一行都按照从左到右递增的顺序排序，每一列都按照从上到下递增的顺序排序。请完成一个函数，输入这样的一个二维数组和一个整数，判断数组中是否含有该整数二.思路分析根据题目所给数组的特征，逐步缩小搜索范围。先选区数组...
2019-03-11 10:30:02
123
原创 C++中的const和volatile详解/详解C++常量（2） 非常详细！！！！！！！！！
接着上次的内容，接下来记录一下const在函数参数和返回值中的作用。3.函数参数和返回值 用const限定函数参数及返回值是常量概念容易引起混淆的另一个地方。如果按值传递对象，对客户来讲，用const限定没有意义（它意味着传递的参数在函数里是不能被修改的）。如果按常量返回用户定义类型的一个对象的值，这意味着返回值不能被修改。如果传递并返回地址，const将保证该地址内容不会被改变。...
2019-03-09 11:26:51
268
原创 C++中的const和volatile详解/详解C++常量（1） 非常详细！！！！！！！！！
先简单描述一下： 限定词const告诉编译器"这是不会改变的"（这就允许编译器执行额外的优化）；而限定词volatile则告诉编译器"不知道何时会改变"，防止编译器依据变量的稳定性做任何优化。当读在代码控制之外的某个值时，例如读一块通信硬件中的寄存器，将使用这个关键字。无论何时需要volatile变量的值，都能读到，即使在该行之前刚刚读过。 "在代码的控制之外"的某个存储空间...
2019-03-08 16:49:19
921
3
原创 查全率、查准率与F1
一开始接触查全率和查准率时遇到一个想不明白的地方：查准率和查全率是一对矛盾的度量。一般来说查准率高时，查全率往往偏低；反之同理。 可是为什么就不能两个都高呢？为了解决这个疑惑，决定还是记录一下原本感觉没必要记录的相关的知识。。。。。首先呢，举一个例子。在信息检索中，我们常常关心“检索出得信息中有多少比例是用户感兴趣的”“用户感兴趣的信息中有多少被检索出来了”。查准率（precision...
2019-03-08 15:06:18
5963
7
原创 调参与最终模型
----------------------记录自西瓜书 大多数学习算法都有些参数需要设定，参数配置不同，学得模型的性能往往有显著差别。因此，在进行模型评估与选择时，除了要对适用学习算法进行选择，还需要对算法参数进行设定，这就是通常所说的“参数调节”。 我们可能马上就想到，调参和算法选择没什么本质区别：对每种参数配置都训练出模型，然后把对应最好模型的参数作为结果。这样的考虑基本时正确的...
2019-03-08 11:10:33
409
原创 训练集和测试集的划分方法
当我们只有一个包含m个样例的数据集D={(x1,y1),(x2,y2),...,(xm,ym)},既要训练又要测试，怎样才能做到呢？答案是对D进行适当的处理，从中产生出训练集S和测试集T，下面介绍几种常见的方法。（内容来自西瓜书）1.流出法留出法（hold-out）直接将数据集D划分为两个互斥的集合，其中一个集合作为训练集S，另一个作为测试集T。在S上训练出模型后，用T来评估其测试误差，...
2019-03-07 21:07:57
22239
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人