- 博客(6)
- 收藏
- 关注
RSS订阅原创 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
200
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
83
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
80
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
89
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
60
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
41
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