- 博客(142)
- 资源 (6)
- 收藏
- 关注
RSS订阅原创 pointnet++代码实现结果
本博客分享一下pointnet++的代码实现结果实现了代码中的点云分类和零件分割部分。PointNet++的代码原理链接：PointNet++代码的实现PointNet++的代码逐行解析（一至五）链接：pointnet++代码逐行解析（二）——— pointnet2_utils.pypointnet++的所有代码和数据集都在github上，Pytorch代码：https://github.com/yanx27/Pointnet2_pytorch零件分割结果如下：点云分类的结果：点云分
2021-11-29 12:46:49
2657
3
原创 【李宏毅机器学习】Classification_1 分类（p10） 学习笔记
全文总结于哔哩大学的视频：李宏毅2020机器学习深度学习(完整版)国语2020版课后作业范例和作业说明在github上：点击此处李宏毅上传了2020版本的机器学习视频和吴恩达的CS229机器学习相比，中文版本的机器学习显得亲民了许多，李宏毅的机器学习是英文的ppt+中文讲解，非常有利于大家入门。吴恩达的CS229中偏向于传统机器学习（线性回归、逻辑回归、Naive Bayes、决策树、支持向量机等），李宏毅2020版本的机器学习中除了最前面的回归、分类，后面更多篇幅涉及卷积神经网络（CNN）、循环神经网
2021-11-28 22:31:41
336
原创 论文笔记：空间变换网络（Spatial Transformer Networks）
2015, NIPS**Max Jaderberg, Karen Simonyan, Andrew Zisserman, Koray Kavukcuoglu **Google DeepMind为什么提出（Why）一个理想中的模型：我们希望鲁棒的图像处理模型具有空间不变性，当目标发生某种转化后，模型依然能给出同样的正确的结果什么是空间不变性：举例来说，如下图所示，假设一个模型能准确把左图中的人物分类为凉宫春日，当这个目标做了放大、旋转、平移后，模型仍然能够正确分类，我们就说这个模型在这个任务上具.
2021-11-27 19:37:10
1738
转载 Spatial Transformer Networks
一、相关背景如果网络能够对经过平移、旋转、缩放及裁剪等操作的图片得到与未经变换前相同的检测结果，我们就说这个网络具有空间变换不变性（将平移、旋转、缩放及裁剪不变性统称为空间不变性）。具有空间变换不变性的网络能够得到更精确地分类结果。传统CNN网络的池化层具有平移不变性（网络在平移小于池化矩阵的范围时具有平移不变性。所以只有平移小于这个范围，才能保证平移不变性。），但是CNN网络对于大尺度的空间变换并不具备不变性。Spatial Transformer Networks提出的空间网络变换层，具有平移不变性、旋
2021-11-26 11:22:07
728
原创 二维图像分类、目标检测、语义分割、实例分割和全景分割的定义和区别？
二维上的计算机视觉的任务很多，有图像分类、目标检测、语义分割、实例分割和全景分割等，那它们的区别是什么呢？1、Image Classification（图像分类）图像分类：就是对图像判断出所属的分类，比如在学习分类中数据集有人（person）、羊（sheep）、狗（dog）和猫（cat）四种，图像分类要求给定一个图片输出图片里含有哪些分类，比如下图的例子是含有person、sheep和dog三种。2、Object detection（目标检测）目标检测：简单来说就是图片里面有什么？分别在哪里？（把
2021-11-25 16:48:19
2094
转载 【李宏毅机器学习2020】regress case study 回归案例研究（p3） 学习笔记
全文总结于哔哩大学的视频：李宏毅2020机器学习深度学习(完整版)国语李宏毅上传了2020版本的机器学习视频和吴恩达的CS229机器学习相比，中文版本的机器学习显得亲民了许多，李宏毅的机器学习是英文的ppt+中文讲解，非常有利于大家入门。吴恩达的CS229中偏向于传统机器学习（线性回归、逻辑回归、Naive Bayes、决策树、支持向量机等），李宏毅2020版本的机器学习中除了最前面的回归、分类，后面更多篇幅涉及卷积神经网络（CNN）、循环神经网络（RNN）、强化学习（RL）等深度学习的内容。博客内容多
2021-11-24 14:18:39
320
转载 【李宏毅机器学习2020】Basic Concept 基础概念（p4） 学习笔记
李宏毅机器学习学习笔记汇总 课程链接 Review 越复杂的model，在testing data上的error未必越低。 error来自两个地方： biasvariance f_star是f_hat的一个估测值，f_star可能不等于f_hat，距离可能来自于bias，也可能来自于variance方差 估测变量...
2021-11-24 13:50:59
317
翻译 智能汽车三维目标检测算法发展综述及三维物体检测数据集————文献总结
本文章是2021年EI收录的一篇文章在文章的2.4阐述了常见的 “三维物体检测数据集”，包括 Lyft Level 5、 KITTI、 ApolloScape等。原文可以在我的资源中下载：摘要随着计算机视觉人工智能算法的快速发展，二维物体检测取得了巨大的成功，并在各种工业产品中得到了应用。在过去的几年里，二维物体检测的精度有了很大的提高，甚至超过了人眼的检测能力。然而，对于智能驾驶的应用，二维目标检测仍然存在一定的局限性。一辆安全可靠的自动驾驶汽车需要检测周围物体的3D模型，从而使智能驾驶汽车具有
2021-11-23 18:42:42
2265
原创 hough变换算法
VoteNet网络中会用Deep Hough Voting，所以先来学习一下Hough Voting。正文开始hough变换算法1、算法思想霍夫变换于1962年由Paul Hough 首次提出，后于1972年由Richard Duda和Peter Hart推广使用，经典霍夫变换用来检测图像中的直线，后来霍夫变换扩展到任意形状物体的识别，多为圆和椭圆。边缘检测比如canny算子可以识别出图像的边缘，但是实际中由于噪声和光照不均匀等因素，很多情况下获得的边缘点是不连续的，必须通过边缘连接将他们转换为
2021-11-21 17:44:36
1641
转载 pip换源
pip国内的一些镜像阿里云 http://mirrors.aliyun.com/pypi/simple/ 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/ 豆瓣(douban) http://pypi.douban.com/simple/ 清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/ 中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/修改源方法：临
2021-11-21 15:44:55
169
原创 pointnet++代码逐行解析（五）——— modelnetdataloader
继续巩固PointNet++代码的实现这篇博客，把代码逐行注释一遍！pointnet++的所有代码和数据集都在github上，Pytorch代码：https://github.com/yanx27/Pointnet2_pytorchdata_utils中的modelnetdataloader部分的python代码注释如下：#!/usr/bin/env python# -*- coding: utf-8 -*-# 导入第三方库import numpy as npimport warnings
2021-11-20 11:56:53
1838
原创 pointnet++代码逐行解析（四）——— provider
继续巩固PointNet++代码的实现这篇博客，把代码逐行注释一遍！pointnet++的所有代码和数据集都在github上，Pytorch代码：https://github.com/yanx27/Pointnet2_pytorch深度学习中数据预处理provider.py部分的python代码注释如下：import numpy as np# 归一化batch_data,使用以centroid为中心的块的坐标def normalize_data(batch_data): """ Norma
2021-11-20 11:51:43
2238
2
原创 pointnet++代码逐行解析（三）——— text_classification
继续巩固PointNet++代码的实现这篇博客，把代码逐行注释一遍！pointnet++的所有代码和数据集都在github上，Pytorch代码：https://github.com/yanx27/Pointnet2_pytorchtext_classification部分的python代码如下：from data_utils.ModelNetDataLoader import ModelNetDataLoaderimport argparse #python 的命令行解析的模块，内置于pyth
2021-11-20 11:44:51
1350
5
原创 pointnet++代码逐行解析（二）——— pointnet2_utils.py
继续巩固PointNet++代码的实现这篇博客，把代码逐行注释一遍！point_util.py部分的python代码如下：import torchimport torch.nn as nnimport torch.nn.functional as Ffrom time import timeimport numpy as npdef timeit(tag, t): print("{}: {}s".format(tag, time() - t)) return time()#
2021-11-20 11:27:27
8784
3
原创 pointnet++代码逐行解析（一）——— train_classification
python代码如下，逐行分析。"""Author: BennyDate: Nov 2019"""import osimport sysimport torchimport numpy as npimport datetimeimport loggingimport providerimport importlibimport shutilimport argparsefrom pathlib import Pathfrom tqdm import tqdmfrom
2021-11-19 22:41:33
5463
2
原创 ubuntu安装opencv
参照bili大学的视频：【小白用】在Ubuntu 16.04 上安装 OpenCV 3.4.7其中第5步报错：无法定位软件包 libjasper-dev的解决方式为下边两个方法：参照https://ask.csdn.net/questions/694647，方式二亲侧可用。方法一：echo "deb http://us.archive.ubuntu.com/ubuntu/ yakkety universe" | sudo tee -a /etc/apt/sources.listsudo apt-g
2021-11-17 16:28:59
2129
原创 视觉SLAM十四讲———相机模型（5.1）
文章根据bili大学的【高翔】视觉SLAM十四讲总结而成，其中也借鉴了一些其他博客。本文是高翔著作的《视觉SLAM十四讲》 第5讲 相机与图像 内容。
2021-11-17 15:45:21
209
原创 深度学习 通俗易懂GRU｜门控循环单元(gated recurrent unit， GRU)（4.6）| 下
最近在恶补深度学习基础知识，以下为根据公众号“ 阿力阿哩哩”的《通俗易懂GRU｜门控循环单元(gated recurrent unit， GRU)》而总结的内容。可以结合作者在哔哩大学的视频。4.6 RNN与RNN的变种结构...
2021-11-15 14:29:36
513
原创 深度学习 通俗易懂LSTM｜RNN的变种结构 | LSTM长短期记忆网络（4.6）| 中
最近在恶补深度学习基础知识，以下为根据公众号“ 阿力阿哩哩”的《通俗易懂LSTM｜RNN的变种结构 | LSTM长短期记忆网络》而总结的内容。可以结合作者在哔哩大学的视频。4.6 RNN与RNN的变种结构这一节，笔者将给大家介绍深度学习的RNN循环神经网络（Recurrent Neural Networks）与RNN结构变种LSTM长短期记忆网络（Long-Short Term Memory Networks）和GRU门控循环单元（Gated Recurrent Neural Network）。4.
2021-11-15 13:17:22
318
原创 深度学习通熟易懂RNN | RNN与RNN的变种结构（4.6）| 上
最近在恶补深度学习基础知识，以下为根据公众号“ 阿力阿哩哩”的《寄己训练寄己｜自编码器》而总结的内容。可以结合作者在哔哩大学的视频。4.6 RNN与RNN的变种结构这一节，笔者将给大家介绍深度学习的RNN循环神经网络（Recurrent Neural Networks）与RNN结构变种LSTM长短期记忆网络（Long-Short Term Memory Networks）和GRU门控循环单元（Gated Recurrent Neural Network）。4.6.1 RNN与全连接神经网络的区别同
2021-11-14 11:11:49
499
原创 深度学习 | 寄己训练寄己 | 自编码器（4.5）
最近在恶补深度学习基础知识，以下为根据公众号“ 阿力阿哩哩”的《寄己训练寄己｜自编码器》而总结的内容。可以结合作者在哔哩大学的视频。4.5 自编码器自编码器是一种输入等于输出的神经网络模型，可能大家会疑惑为什么要训练一个这样的模型，毕竟输入等于输出在大家看来就是一件多此一举的事情。一个简单的全连接神经网络自编码器模型如图 4.33所示。4.5.1 自编码器的原理全连接层神经网络组成的最简单的自编码器只有三层结构，中间的隐藏层才是我们所需要关注的地方，以隐藏层为界限，左边为编码器（encoder）
2021-11-14 10:50:00
3419
1
原创 深度学习 | 超参数（Hyperparameters）（4.4）| 下
最近在恶补深度学习基础知识，以下为根据公众号“ 阿力阿哩哩”的《超参数（Hyperparameters）| 下》而总结的内容。可以结合作者在哔哩大学的视频。4.4.4 常见的激励函数在谈及常见的激励函数前，我们得先知道激励函数是干什么用的。如图 4.3所示，神经元的输出值会经历一个f函数，我们将这个函数叫做激励函数（activation function）。加入激励函数的目的也非常纯粹，就是为了让神经网络模型能够逼近非线性函数。倘若我们去掉激励函数，神经元就只有线性函数y=wx+b，这样的神经网络就只
2021-11-13 23:56:55
622
原创 深度学习 | 超参数（Hyperparameters）（4.4）| 上
最近在恶补深度学习基础知识，以下为根据公众号“ 阿力阿哩哩”的《超参数（Hyperparameters）| 上》而总结的内容。可以结合作者在哔哩大学的视频。4.4 超参数（Hyperparameters）经过4.3节的CNN卷积神经网络原理的讲解，笔者相信大家已经迫不及待地想建属于自己的神经网络来训练了。不过，在此之前，笔者还是有一些东西要给大家介绍的。那就是神经网络的超参数(Hyperparameters)，记忆力好的读者会发现笔者在上一节中就有提及超参数。不过，本节介绍的超参数与往期不同，它是所
2021-11-13 23:19:03
7962
原创 深度学习 | 一文掌握CNN卷积神经网络（4.3）
最近在恶补深度学习基础知识，以下为根据公众号“ 阿力阿哩哩”的《一文掌握CNN卷积神经网络》而总结的内容。可以结合作者在哔哩大学的视频。
2021-11-13 11:12:18
847
原创 深度学习开端 | 全连接神经网络（4.2）
最近在恶补深度学习基础知识，以下为根据公众号“ 阿力阿哩哩”的《深度学习开端-全连接神经网络》而总结的内容。可以结合作者在哔哩大学的视频。4.2全连接神经网络这一节开始，笔者开始给大家介绍深度学习的内容。至于为啥要先开始讲全连接神经网络（Fully Connected Neural Network），而不是一上来就是CNN、RNN、LSTM等。原因非常简单，上述所说的各种神经网络都是基于全连接神经网络出发的，最基础的原理都是由反向传播而来，所以读者们只要掌握了这节最基本的原理，接下来的各种网络也能学得
2021-11-13 10:48:10
364
原创 深度学习 | Keras 简介（4.1）
最近在恶补深度学习基础知识，以下为根据公众号“ 阿力阿哩哩”的《深度学习 | Keras 简介》而总结的内容。可以结合作者在哔哩大学的视频。4.1Keras简介说到深度学习，不可避免得会提及业界有哪些优秀的框架，Keras神经网络框架便是其中之一，它是一个高级神经网络APl，用Python编写，能够在TensorFlow，CNTK或Theano之上运行。它的开发重点是实现快速实验。能够以最小的延迟从理念到结果是进行良好研究的关键。接下来我们将要讲的神经网络原理与梯度求解，Keras都已经对它们有了很好
2021-11-13 10:37:12
1044
原创 深度学习在点云分类中的研究综述————文献总结
根据知网的一篇文章写的总结，详见我的资源的pdf:深度学习在点云分类中的研究综述_王文曦.pdf这篇文章详细介绍了点云语义分割的发展概况。正文开始点云的语义分割的发展概况，先上图：...
2021-11-11 15:55:47
6014
3
原创 ImVoteNet:利用图像特征增强点云中的三维物体检测——文献总结
得益于点云深度学习的进步，3D物体检测已经取得了快速进展。最近的一些作品甚至展示了仅使用点云输入的最先进的性能(例如votenet)。然而，点云数据有其固有的局限性。它们是稀疏的，缺乏颜色信息，经常受到传感器噪声的影响。另一方面，图像具有高分辨率和丰富的纹理。因此，它们可以补充点云提供的三维几何。然而，如何有效地利用图像信息辅助基于点云的检测仍然是一个有待解决的问题。在这项工作中，我们建立在votenet的基础上，并提出了一个名为imvotenet的专门用于rgb - d场景的3D检测体系结构。imv
2021-11-05 10:59:10
2085
1
原创 https://img-blog.csdnimg.cn/44575f55b6a7431392616b45e051dd2e.png——分割线专用图专用图
https://img-blog.csdnimg.cn/44575f55b6a7431392616b45e051dd2e.png
2021-11-05 10:58:53
4749
原创 CSDN的写作技巧（例如 ：图片变换尺寸并居中）
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
2021-11-05 10:50:52
324
原创 PointNet++代码的实现
代码主要由两部分组成，pointnet_util.py封装着一些重要的函数组件，pointnet2.py用来搭建模型。1. 功能函数文件1、square_distance函数该函数主要用来在ball query过程中确定每一个点距离采样点的距离。函数输入是两组点，N为第一组点的个数，M为第二组点的个数，C为输入点的通道数（如果是xyz时C=3），返回的是两组点之间两两的欧几里德距离，即N × M N\times MN×M的矩阵。由于在训练中数据通常是以Mini-Batch的形式输入的，所以有一个Bat
2021-11-02 11:00:16
3435
原创 ubuntu刚安装后的操作
时间2021.10.30，安装的ubuntu18.04，一些常安装的操作：qq：QQ for linux（ubuntu） 下载安装教程flash：关于ubuntu安装flash插件的问题
2021-10-30 17:32:10
443
原创 点云上的深度学习及其在三维场景理解中的应用————3D Scene Understanding with PointNet and PointNet++（三）
最近在学3D方向的语义分析。师兄推荐了一个哔哩大学的将门创投 | 斯坦福大学在读博士生祁芮中台：点云上的深度学习及其在三维场景理解中的应用！的宝藏视频，我会多看几遍，并写下每次观看笔记。up主的个人网页：http://stanford.edu/~rqi下文的截图都源自讲解的PPT，在我的资源：祁芮中台点云讲解.pdf全篇手码，内容较多会持续更新。带问号的句子都是乘上引下的重点作用，文章分为三篇，这是第二篇，请耐心食用。正文继续...
2021-10-29 13:22:11
1523
原创 点云上的深度学习及其在三维场景理解中的应用————From PointNet to PointNet++（二）
最近在学3D方向的语义分析。师兄推荐了一个哔哩大学的将门创投 | 斯坦福大学在读博士生祁芮中台：点云上的深度学习及其在三维场景理解中的应用！的宝藏视频，我会多看几遍，并写下每次观看笔记。下文的截图都源自讲解的PPT，在我的资源：祁芮中台点云讲解.pdf全篇手码，内容较多会持续更新。带问号的句子都是乘上引下的重点作用，文章分为三篇，这是第二篇，请耐心食用。正文继续摘要：点云是一种重要的几何数据结构。由于其不规则的格式，大多数研究人员将这种数据转换成规则的三维体素网格或图像集合。然而，这会使数据
2021-10-28 20:24:28
1643
原创 点云上的深度学习及其在三维场景理解中的应用————PointNet（一）
最近在学3D方向的语义分析。师兄推荐了一个哔哩大学的【PointNet作者亲述】90分钟带你了解3D物体检测算法和未来方向！的宝藏视频，我会多看几遍，并写下每次观看笔记。内容较多会持续更新。...
2021-10-27 22:02:09
4414
2
原创 rosdep init与rosdep update报错问题
sudo rosdep init是从一个网址上下载一个文件，下不下来完全是网络原因。bili大学的ROS安装小技巧】rosdep update time out 报错问题的解决方案用三个步骤即可实现安装一、
2021-10-26 11:14:43
613
2
原创 OpenCV笔记020————Histogram Backprojection
图像直方图反向投影Histogram Backprojection的代码注释为：import cv2 as cvimport numpy as npfrom matplotlib import pyplot as pltdef back_projection_demo(): sample = cv.imread("dataset/train/bees/1.png") # hist2d_demo(sample) target = cv.imread("dataset/tra
2021-10-23 11:08:29
272
原创 OpenCV笔记019————Image Histogram
直方图比较Histogram Comparison的代码注释如下：import cv2 as cvimport numpy as npsrc1 = cv.imread("dataset/train/bees/1.png")src2 = cv.imread("dataset/train/bees/2.png")src3 = cv.imread("dataset/train/opencv16.png")src4 = cv.imread("dataset/train/test1.png")cv.
2021-10-23 10:09:16
208
原创 OpenCV笔记018————Image Histogram（直方图看这里）
图像直方图均衡化总结：灰度直方图直方图是对数据进行统计的一种方法，并且将统计值组织到一系列实现定义好的 bin 当中。其中， bin 为直方图中经常用到的一个概念，可以译为 “直条” 或 “组距”，其数值是从数据中计算出的特征统计量，这些数据可以是诸如梯度、方向、色彩或任何其他特征。图像直方图（Image Histogram）是用以表示数字图像中亮度分布的直方图，标绘了图像中每个亮度值的像素个数。这种直方图中，横坐标的左侧为较暗的区域，而右侧为较亮的区域。因此一张较暗图片的直方图中的数据多集中于左侧和
2021-10-22 21:37:20
1966
ImVoteNet_Boosting_3D_Object_Detection_in_Point_Cloud.pdf
2021-11-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人