- 博客(29)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 【点云压缩】Sparse Tensor-based Point Cloud Attribute Compression
【点云压缩阅读笔记】Sparse Tensor-based Point Cloud Attribute Compression
2022-06-06 11:36:53
544
1
原创 【点云压缩】Variational Image Compression with A Scale Hyperprior
阅读笔记：Variational Image Compression with A Scale Hyperprior
2022-06-06 11:20:33
903
原创 【点云压缩】Lossless Coding of Point Cloud Geometry using a Deep Generative Model
Lossless Coding of Point Cloud Geometry using a Deep Generative Model
2022-06-01 19:38:04
711
原创 【点云阅读笔记】Learned Point Cloud Geometry Compression
阅读报告——Learned Point Cloud Geometry Compression本文提出了一个具有端到端（End-to-end）超先验知识（Learned, hyperprior ）的PCGC的模型。本文所描述的成果参数少、性能好，并且可以有更好并行性。Worth noticing in Intro超先验信息被用来提升潜在特征的条件概率模型性能（Hyperpriors are used to improve the conditional probability modeling of
2022-03-18 11:56:24
1911
1
原创 【点云阅读笔记】Point Cloud Coding: Adopting a Deep Learning-based Approach
阅读报告——Point Cloud Coding: Adopting a Deep Learning-based ApproachWorth noticing in intro该文提出CNN 与自动编码器(AutoEncoder, AE)结合的压缩方法，能有效利用相邻点之间的冗余，并表示出对数据编码的适应性。
2022-03-15 18:27:00
1388
原创 【点云阅读笔记】LEARNING CONVOLUTIONAL TRANSFORMS FOR LOSSY POINT CLOUD GEOMETRY COMPRESSION
阅读报告——LEARNING CONVOLUTIONAL TRANSFORMS FOR LOSSY POINT CLOUD GEOMETRYCOMPRESSIONWorth noticing in Introduction质量评价衡量：D1 and D2D1：计算重建点和K近邻之间的MSED2：计算重建点和超平面之间的MSEMain Idea对于基于传统八叉树模型的方法，它在降低比特流时，其点的数量会指数下降；通过将点云几何体解释为在体素网格上定义的二进制信号，我们将解码转换为对给定体
2022-03-15 13:04:19
5197
原创 【点云阅读笔记】点云压缩综述
点云压缩综述点云压缩任务按照不同的标准可以将方法划分成不同的类型，主要有以下标准：（1）根据还原质量分类（有损、无损），（2）根据处理方法分类（传统方法、深度方法），（3）根据空间维度分类（一二三维），（4）根据信息类型分类（几何信息、属性信息），（5）根据数据结构进行分类（树、面片、体素）。还原质量无损：识别并消出统计冗余，使得数据结构更加紧凑，压缩并解码后的点云和原始点云相同。有损：通过量化删除了非必要的、无用的信息，使用适当的率失真的控制，在比特率和感知数据质量方面进行了折衷。处理方法传统
2022-03-13 17:08:52
2306
原创 【点云阅读笔记】Attentional ShapeContextNet for Point Cloud Recognition
阅读报告——Attentional ShapeContextNet for Point Cloud RecognitionPointNet有问题：the concept of parts and receptive fields is not explicitly addressed, because the point features in PointNet are treated independently before the final aggregation (pooling) layer.
2022-03-08 15:30:22
402
原创 【点云阅读笔记】OctAttention
阅读报告——OctAttentionOctAttention: Octree-based Large-scale Contexts Model for Point Cloud Compression[1]Intro本文Idea首先用八叉树表示点云，以减少空间冗余，这对于具有不同分辨率的点云是鲁棒的。然后设计大感受野的条件熵模型，对兄弟和祖先上下文进行建模，以利用相邻节点之间的强依赖性，并采用注意机制来强调上下文中的相关节点。点云数据有处理的算法——大致分为：voxel
2022-03-05 14:58:33
1382
原创 【点云阅读笔记】Joint Machine Learning and Game Theory for Rate Control in High Efficiency Video Coding
阅读报告Joint Machine Learning and Game Theory for Rate Control in High Efficiency Video Coding[1]本文主要要点优点：利用机器学习中的vvv-SVM分类器对CTU进行分类，以求提高在CTU层级上提高率失真理论模型的预测精度；提出了一个基于博弈论的率失真模型，为CTU分配比特流，从而达到更好的综合性能。本文详细报告本文综合了机器学习和博弈论的建模，分两步走。第一步是用SVM的多分类，以求实现精确的CTU级
2022-03-04 21:56:56
411
原创 pytorch：如何从头开始训练一个CNN网络？
在刚开始学习Deep Learning时，一件几乎不可能的事情就是知道每一个东西背后的原理和用法。但是，很多人又不得不在前期涉猎很多在前期不应该碰的东西。多摸索是好事，但考虑到性价比，最好的办法是有人带着你从头实现一下你所需要做的。在此，我希望本文是目标导向型的——即与你一同从头实现出一个属于你自己的CNN。
2022-02-27 20:51:11
2686
原创 pytorch：数据读取操作
工欲善其事，必先利其器。事实上，一遍深度学习从头到脚都需要数据的支持。因此，数据集的读取是第一步。而在Pytorch中，官方给我们封装好了一个提取训练集、测试集的一个虚类。所谓虚类，即需要我们继承。在下面，我们将着重介绍如何通过继承Dataset虚类来完成对数据的读取。Dataset虚类训练集有了，苦于不知如何将其转化为代码？先问自己：这些数据集哪里来的？通过torchvision官方自带的dataset如果是想通过torchvision的接口（以CIFAR10为例）：import torch.
2022-02-27 01:30:06
1110
2
原创 【408数据结构】树（二）
树and森林⭐兄弟孩子表示法需要知道转化，例题如下：找特殊法找准叶子节点法。F的叶子节点→T中无左孩子F无兄弟结点→T中无右孩子非终端结点→带来一个T中的空右指针满二叉树、完全二叉树基于顺序存储的树逻辑↓物理存储↓但是，在这里，我们沿用这里的数组一般从1开始的规定，与王道书一致。而非上图数组下标从0开始。封装int find_lchild(int i, int n){ if(2 * i > n) return -1; // 没有左孩子 retur
2022-02-26 22:58:06
389
1
原创 【408数据结构】树（一）
树主要是应用题偏多。（算法题只考过了两次，都挺简单的，就是一个遍历；算法题在下一篇）思维导图基本概念养成习惯：区分度和度之和：结点个数=总度+1度：指一棵树中，每一个结点度的最大值链式链式存储如果考多叉树，只有可能是孩子表示法那一块。因此，大题只可能是二叉树那块。遍历递归遍历很简单。void preOrder(Node *p){ if(p!=NULL) { visit(p); preOrder(p->lchild); preOrder(p->rc.
2022-02-26 22:50:13
967
原创 pytorch基本介绍：张量基本操作
pytorch：数据操作???? 这里的代码，是在jupyter下运行的。如果需要用于pycharm等运行，只需要将输出行换掉（以第一份代码为例）。常见的函数torch.arange(n) ：形成一个从000到n−1n-1n−1的一维张量（向量）。import torchx = torch.arange (12)x# pycharm下运行print(x)x.reshape(m,n) ：形成一个m×nm\times nm×n的二维张量（矩阵）y = x.reshape(3,4)#
2022-02-21 16:57:25
1073
原创 【408数据结构】排序
排序如果没有特别说明，都默认是非递减。插入排序直接插入排序分为内层循环和外层循环。在内层循环中，选定一个aia_iai，并且不断迭代，直到寻找到一个元素比其小，插入进其后边。外层循环，不断迭代iii。【特性：在第iii轮结束后，保证了数组前面iii个元素有序。】代码实现void insert_sort(int a[], int n)// a: 待排序数组， n: 数组长度（数组下标从1开始：1——n）{ for (int i = 2; i < n; i++) { a[
2022-02-11 00:42:47
387
原创 【408数据结构】查找
查找在算法题中，查找最可能的是出现在收尾部分，利用xx查找找到一个元素。此时需要判断，如果有序，是可以折半，时间复杂度为O(logn)O(\log n)O(logn)；如果顺序查找，则是O(n)O(n)O(n)。而且注意，在整体复杂度已经很高的情况下，不要求技巧， 有些时候，老老实实顺序查找。查找基本概念静态查找顺序折半散列动态查找二叉排序树二叉平衡树B树、B+树ASL（平均查找长度）顺序查找其实就是一个循环折半查找仅适用于有序的顺序表（链表是不行的
2022-02-11 00:15:12
211
1
原创 【408数据结构】线性表（1）：链表
线性表（1）：链表本专栏的记录，只适用于408的考试。其它考试请酌情参考。本章应用题和算法题⛳都可能考，尤其是算法题。线性表定义零个或多个数据元素的有限序列。【允许空表】有限性、序列。直接前驱、直接后继谁有：0-n-1——有直接后继线性表的基本操作【考试直接用的那种】InitList (*L)ListEmpty (L)ClearList (*L)GetElem (L, i, *e)LocateElem(L, e)ListInsert (*L, i, e)
2021-08-23 16:49:07
214
原创 非线性规划与KKT（二）
非线性规划与KKT（二）在前文非线性规划与KKT（一）中， 我们已经给出了几个定义，并且证明了一个重要的定理：一个凸集的局部最优解一定为全局最优解它的证明，使用了反证法。然后，我们还介绍了Epigraph的定义。以上的这些，都是为了一个终极的定理：KKT条件。KKT条件是可以被推广到很多很多场景下的。但是，在这里，我们只阐述最简单的条件，即面对NLP问题的KKT条件。KKT条件假设，有如下的NLP：minc⊤x s.t. gi(x)≤0(i=1,…,k)\begin
2021-04-11 16:34:13
1164
原创 非线性规划与KTT（一）
非线性规划与KTT（一）所有的、各式各样的LP，都可以转化为Non-Linear Program(NLP)。非线性规划所有的、各式各样的LP，都可以转化为Non-Linear Program(NLP)。例如，对于0-1背包问题，是可以与下面的式子，相互转化。xj∈{0,1}⟺xj(1−xj)=0x_j\in\{0,1\} \quad \Longleftrightarrow \quad x_{j}\left(1-x_{j}\right)=0xj∈{0,1}⟺xj(1−xj)=0而IP
2021-04-10 17:38:34
982
原创 最优化：对偶（一）
数学有对称美。当给定了一个LP，我们总是希望找到另外一个比较对称的LP，使得它和原来的LP之间有比较好的性质。这时候，对偶性(duality)的讨论便出现了。对偶LP(Dual Linear Program)所谓对偶的LP，一定是原LP有一定的关系。比如，我们给出下面的一个LP，记其为PPP：max(4924)⏟cx s.t. (1−430−17−51)⏟Ax=(73)⏟bx1,x2,x3,x4≥0\begin{array}{ll}\max & \underbr.
2021-03-07 10:41:08
1664
原创 最优化：单纯形法（二）
在本文中，我们着重具体地来介绍一下二段法（The 2-Phase Method）和单纯形法（the Simplex Algorithm）两种方法。
2021-02-18 20:49:14
946
原创 C/C++ 多文件（模块化编程）处理
C/C++ 多文件（模块化编程）处理写在最前最近接触了一个项目，需要用到多文件的处理。于是我就想着，把这些网上找来的资料整合一下，可能会有错误，恳请大家及时指出。（因为这部分我也学不太明白）在接下来的叙述中，我们以C为例。为什么使用模块化编程在我们工作的时候，不可能会将所有的函数都放在一个文件下，因为你也不希望你的同事将所有的代码都放在main.c函数中。因此，我们需要利用模块的思维，将一个大功能的分为一个又一个的小功能。从.c 和 .h讲起我们的代码文件分为两类：.c的source和.h的h
2021-02-13 14:08:16
2823
2
原创 GNN 和Eigen-GNN读书笔记
GNN 和 Eigen-GNN论文题目Eigen-GNN: A Graph Structure Preserving Plug-in for GNNsGNN介绍GNN 的本质是为了针对图结构数据而产生的，它提供了一种框架，来同时处理数据的特征和数据的结构。在此，我们需要介绍一下两种task[1]。第一种，叫feature-driven。它更像是普通的机器学习所处理的，给定一堆数据，挖掘出数据的特征，从而完成我们希望完成的任务，如分类、降维等。第二种，叫Struture-driven。它更加关注
2021-02-12 21:15:52
263
原创 线性回归LinearRegreesion
线性回归前言 这段时间一直是沉浸在机器学习里面，无法自拔（误），所以想来想去不如写出来，无论有没有人看，可以有个输出的途径。所以这周我就来讲讲Linear Regression吧，嘿嘿嘿。 Linear Regression (LR)会一直成为每一个初学者在机器学习之间绕不过去的一个坎。所以，我想尽量把这篇写得更加地贴近新手，（像我这样的新手）。 进入正题，LR旨在让一个线性函数尽可能预测yyy，假设线性函数如下:hθ(x)=θ0+θ1x1+θ2x2+...+θnxnh_\theta
2020-06-04 11:33:16
349
1
线性回归LR在matlab的人脸识别
2020-06-09
SVM在MATLAB的实现——SMO
2020-06-05
LPPxPCA_orl.m
2019-07-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人