- 博客(13)
- 收藏
- 关注
RSS订阅转载 点云配准——经典配准算法及配准效果对比
点云配准技术即是通过寻找不同视角下不同点云之间的映射关系，利用一定的算法将同一目标场景的不同点云转换到同一个坐标系下，形成更完整的点云的过程。3D点云配准是是点云处理技术的一个重要组成部分。如何使点云配准方法更加快速准确 已成为一个点云研究的热点和难点。点云配准要应对点云数据的无序性、非结构化、不均匀和噪声等干扰。如何有效地利用已有的信息实现精确、鲁棒的点云配准算法具有重要的研究意义和价值。
2022-11-29 10:23:10
1741
1
转载 知识图谱的构建及可视化
Neo4j可以分为四层:查询层、编译层、执行层和数据层。查询层:Neo4j自身提供查询语言Cypher，但需专业人员操作。支持各种主流的编程语言对其操作，如Java python等。用户可以编写API接口来实现输入自然语言查询，也可以调用复杂查询接口进行查询。编译层:将查询层接收到的自然语言转化为机器语言并传递给下一层执行，利用优化器可以对查询语句进行优化，提高查询效率。执行层。
2022-11-29 10:20:56
896
转载 强化学习知多少?
强化学习是机器学习的一种。强化学习实质上是一种机器学习范式，适用于多阶段序贯决策以获得较好的长期回报的场景。反复实验(trial and error）和延迟奖励（delayed reward）是强化学习最重要的两个特征。
2022-11-11 13:53:24
547
原创 RPN中的anchor机制
Faster R-CNN是一种端到端的多任务卷积神经网络，能够同时完成目标检测和类型识别的任务。它由a）主干网络，b）建议区域网络（RPN ：Region Proposal Network），和c）分类与回归网络三部分组成。其中主干网络是特征提取器，它提取出的图像特征，被RPN网络，分类与回归网络共享。RPN通过边界坐标回归和二分类双分支结构，初步找出包含目标的前景区域。分类与回归网络对包含目标的特征区域进行精细处理，输出目标的坐标信息和类别标签。
2022-09-24 10:49:06
877
转载 机器学习-数据预处理
上大学的时候接触到机器学习就觉得好厉害的样子，竟然可以预测未来即将发生的事请。在成为一名研究生之后幸运地参加了实验室里的集料数据预测方面的研究。作为与实际生产紧密联系的方向，我们实验室的集料研究方向的所有数据均为自己筛分采集存储，自己掌握数据来源才是最可靠的，在数据有问题的时候可以对原始数据进行追溯，排查问题点。以下是我做集料预测方向关于数据质量问题的一点小心得，以记录自己在数据预测方面走过的弯路。
2022-09-24 10:34:41
338
转载 TensorFlow2.0环境下TensorBoard数据流可视化模块使用
首先激活自己的TensorFlow环境，之后找到生成日志文件的路径（很重要！！！），运行结果如下，则表明操作正确。
2022-09-16 17:21:26
452
转载 pytorch：concat和stack的区别
整体来讲，是对dim进行拼接，stack是对dim维进行堆叠。concat：不会增加新的维度，在指定维度上拼接。stack：增加一个新的维度将两个单位，然后再上一维度分别进行堆叠。
2022-09-16 11:58:46
547
转载 机器学习-特征工程实例分析
数据决定了模型精度的上限，只有前期对原始数据理解、分析、处理透彻了，才能有助于后期的分类或回归模型的训练。特征工程数据字段（或特征）的理解，数据变量间关系分析，数据预处理中的异常值检测和缺失值填充，特征分析（特征筛选，特征构建等），下面将详细讲述这些内容。
2022-09-16 11:51:20
489
原创 入坑路面病害检测需了解相关内容之--路面病害数据
一个过来人的建议是，多分析一下自己的数据，通过这些年的科研积累，我发现每一份数据都有它自己的特点，从特点出发，找到发文章的点，不要正面去和这些大牛们硬刚，多去思考一下你能解决什么样的工程问题，解决问题的工程意义在哪里。这时候就有同学要问了为什么不用检测框进行标注，而要用掩膜图像呢，如果你仔细查看文献的话你会发现一个东西叫PCI指数，它用来表示道路完好程度，那么用来计算PCI的参数其中一项就是裂缝的长宽，请问检测框如何准确获取裂缝的长宽呢？下面的章节中我给大家，简单介绍一下路面病害数据集的一些相关的内容。
2022-09-14 10:06:24
2924
转载 拿下Transformer
但是在test模式下根本没有Ground Truth去teach，那只能将已经出现的词的输出当做下一次Decoder计算的输入，也即图中shifted right的意思(“而线性变换的学习能力是不如非线性变化的强的，所以Multi-Head Attention的输出尽管利用了Attention机制，学习到了每个token的新representation表达，但是这种representation的表达能力可能并不强，所以我们仍然希望可以通过激活函数的方式，来强化representation的表达能力。
2022-09-13 17:08:27
191
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