- 博客(6)
- 收藏
- 关注
原创 新闻文本分类-BERT预训练模型与Transformer Encoder解决方案
还记得csv_rewritting()中的返回值per_label_len吗,这是每条文本被分割成的数据数量,使用这个数据依次遍历输出,取每个label组中取值最多的数字,即可认为该数为该条文本的类别id,将结果写入csv文件中,得到最终提交结果。接下来准备进行预测,在覆写完csv文件并makedata后,用dataloader加载完数据,使用以下代码将测试集数据送入模型中并获得输出。至此,我们的数据准备工作全部完成,我们可以调用两个函数来获取最终的datasets。
2023-10-07 02:49:21
246
1
原创 smoothly-vslam学习笔记(4.特征点检测)
特征表示可标识的特点,在整体中可以拿来做区分的部分。角点在图像中更具代表性,视觉slam一般会选择角点特征作为追踪的特征点。
2023-09-16 22:07:36
95
1
原创 smoothly-vslam学习笔记(3.三维空间刚体运动)
可以用旋转向量来刻画旋转,对应于一个三维向量,其方向与旋转轴一致,而长度等于旋转角,这种向量称为旋转向量,可以用来描述旋转。我们知道,三维空间的刚体运动可分解为旋转和平移两部分,设旋转为R,平移为t,则坐标变换可表示为:b = R * a + t。则我们得到了旋转矩阵R,即为右式左侧参数,如上图所示。2.欧拉角存在万向锁问题:若第一次旋转角为90度,会丢失一个自由度,导致在丢失自由度上被锁死。反之,我们也可以计算从一个旋转矩阵到旋转向量的转换。其中u为Z轴的单位向量符号,^是向量到反对称矩阵的转换符,
2023-09-14 12:01:16
94
原创 smoothly-vslam学习笔记(2.相机标定)
从世界坐标到相机坐标需要经过多重变换,可用p=MP表示这一过程,其中p为相机坐标,P为世界坐标,M为相机参数矩阵,M=K[R T],其中K为相机内参矩阵,R,T为相机外参矩阵,如下图所示。在实际标定中,图像畸变会导致相机坐标转换和相机标定,精度下降,故在标定中,我们往往还会引入径向畸变修正公式参数矩阵S,最终得到p=SMP,S矩阵如下图所示。相机标定就是求得K,R,T矩阵中参数的过程,由张正友标定法可知,我们可以使用规则的网格图片进行相机标定,其中p,P皆为已知值,列出下图方程。
2023-09-12 17:39:11
111
原创 smoothly-vslam学习笔记(1.相机原理)
这个过程需要经过四个坐标系进行变换, 首先需要通过旋转坐标系计算出相机坐标系的数值,再根据相似三角形原理以焦距和距离计算图像坐标,最后根据像素格的长度参数变换为像素坐标。其中(X, Y, Z)的计算可合并为一个矩阵进行并将非线性层改为线性层,以下公式为详细计算过程。求出这相机内参,和修正公式参数的过程,就是相机标定,目前相机常用的方法是借助棋盘格标定板,在相机前面拿着标定板上下左右前后移动,然后借助标定算法来求出以上参数,常用的标定算法有张正友标定法,可用opencv实现。
2023-09-11 22:10:18
69
原创 AI夏令营-nlp笔记(1)
使用baseline方法进行基于摘要,标题等信息判断论文是否属于医学领域的文献。实现目标需要文章特征提取和拟合模型两个主要步骤。
2023-08-17 13:14:53
53
1
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