- 博客(764)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 三维重建1-位姿追踪：单应矩阵、本质矩阵和基本矩阵
本文所写与原文相距甚远，如有疑问，请拜访原文。原文链接：单应矩阵Homograph matrix、本质矩阵Fundamental matrix、基本矩阵essential matrix根据图像来估计位姿，一般称之为位姿追踪。非退化状态下可是根据匹配点求解Essential Matrix ，退化状态下课根据匹配点来求解 Homograph Matrix。用于实时计算位姿。
2017-06-14 16:06:57
5805
3
原创 cannot find Toolkit in /usr/local/cuda-8.0
使用apt-get进行安装sudo apt install nvidia-cuda-toolkit
2017-05-27 17:37:33
7713
翻译 ROS：ubuntuKylin17.04-Ros使用OrbSLAM2
忙于图像处理和DCNN,很长时间不使用ROS，重新安装系统后，再次使用ORB-SLAM2（ROS）进行三维重建和实时追踪的演示。 参考以前的文章：ROS：ubuntu-Ros使用OrbSLAMORB-SLAM2（ROS）的GitHub链接： raulmur的主页：https://github.com/raulmur/ORB-SLAM2使用...
2017-05-16 11:37:45
960
1
翻译 End to End Sequence Labeling via Bi-directional LSTM CNNs CRF
来看看今日头条首席科学家的论文：End-to-end Sequence Labeling via Bi-directional LSTM-CNNs-CRF使用LSTM方法进行序列标注，完成大规模标注问题
2017-05-09 11:54:46
2935
原创 Yoga710笔记本Win10和Ubuntu系统共存
联想yoga710默认安装了win10系统，且使用EFI分区格式，安装Ubuntu不是一般的困难，经公司小哥的帮助下，几次终于完成了Ubuntu和Win10 共存。
2017-05-08 15:48:41
2779
原创 人工机器：作为归纳系统的深度学习
深度学习为深度神经网络机器学习。07年最先引起注目的是DNN，在语音识别上有突出的表现；深度CNN在机器视觉领域的超常表现引领模式识别领域科学界和工业界的潮流，基于图像数据本身的二维结构天然适合CNN处理；RNN对时序和变长数据的处理优势促使语音识别和视频分析又有较大发展；此外可应用于增强学习的新的深度网络形式可以完成游戏策略训练过程，提供端到端的 模型训练方式：DeepMind用...
2017-05-05 15:53:15
1062
转载 Haar、pico、npd、dlib等多种人脸检测特征及算法结果比较
Pico（Pixel Intensity Comparison-based Object detection）发表于2014年，不同于VJ的Haar特征，pico则是提取点对特征，对两个像素点进行对比。实验表明这种特征比Haar特征更为有效，且运算时间更短。但是点对提取意味着PICO的抗噪性能极差，场景可扩展性不强。另外通过NDP特征池是可以重建出原图的，也就是说特征池包含了原图片中的所有信息
2017-05-04 11:44:33
5550
1
原创 OpenCV: OpenCV人脸检测框可信度排序
使用OpenCV进行人脸识别时，使用 casecade.detectMultiScale 函数，可输出每个检测框的置信度
2017-04-18 16:48:04
1949
原创 OpenCV：Adaboost训练时数据扩增
更准确的模型需要更多的数据，对于传统非神经网络机器学习方法，不同的特征需要有各自相符合的数据扩增方法。
2017-04-06 10:12:56
943
原创 SiftGPU：编译SiftGPU出现问题-无法解析的外部符号 glutInit
SiftGPU的原始库可以编译通过。但不能使用，在使用时引出了一连串96个编译错误。
2017-04-05 10:23:43
2017
1
原创 三维重建：闭环检测-相机闭环
还是不要看了，高翔的科普读物已经出版了，读他的《slam十四讲》就可以了。 ORB_SLAM整个工程中冗长的数据关联策略使分析起来非常困难，闭环检测作为整个优化误差策略的方法并未得到显而易见的效果 三维重建过程中，滤波方法可以看做是一种追踪方法。EM方法的长期使用造成在相对整个世界坐标系中累计误差的指数级增长。若是检测到可信的闭环，闭...
2017-03-30 17:48:21
3875
转载 三维重建：SFM中BA的并行化
SFM，运动中结构重建。SFM是一种离线重建方法，SFM未得到原始数据中的帧间关系，因此在前期处理与SLAM有所不同。SLAM方法依据视觉里程算法，构建状态数据序列即图结构，仅需要解决累计误差问题。而SFM需要使用匹配和优化方法，重建数据的图结构，需要优化方法，SFM过程比SLAM过程更加复杂。 BA：光束平差法，利用非线性最小二乘法求取相机位姿，三维点坐标。Bun...
2017-03-30 10:25:31
3232
2
原创 图像局部显著性—点特征（SiftGPU）
SIFT的计算复杂度较高。SiftGpu的主页：SiftGPU: A GPU Implementation of ScaleInvariant Feature Transform (SIFT)
2017-03-27 17:04:48
2054
2
转载 C++：C++在图片特定区域之外产生随机数
第一种：在某个数之前生成随机数；第二种，生成随机数，加上某个数，然后截断；第三种，指定范围内生成随机数；
2017-03-27 10:54:43
568
原创 OpenCV：OpenCV目标检测Boost方法单独训练
在古老的CNN方法出现以后，并不能适用于图像中目标检测。20世纪60年代，Hubel和Wiesel( 百度百科 )在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性，继而提出了卷积神经网络（Convolutional Neural Networks-简称CNN）。 参考：DNN的演进结构——CNN ...
2017-03-22 13:05:19
1884
原创 OpenCV:OpenCV中的 parallel_for 和opencv parallel_for_
OpenCV使用OMP完成并行运算，在使用AdaBoost检测的时候，在cascadedetect.cpp 里面，大量使用parallel_for_(Range(0, stripCount), CascadeClassifierInvoker( *this, processingRectSize, stripSize, yStep, factor,candidatesVector,
2017-03-21 10:20:03
3679
原创 nvcc fatal : Unsupported gpu architecture 'compute_11'
使用VS编译OpenCV编译源代码时候，对Cmake生成的工程文件编译，会出现 nvcc fatal : Unsupported gpu architecture 'compute_11' 问题。原因是CUDA7.5不支持较为古老的显卡版本，因此1.1,2.0,2.1，之类的显卡选项是多余的。
2017-03-20 16:44:31
7638
原创 AI：狄拉克之海上的涟漪
延陵季子2011年 8月27日 19:02 借鉴英文原文：Ripples in the Dirac Sea 当他试着用一种轻松的口吻诉说一些事情时，我会明白，其实我们都明白，在他的心里绝对不是平静，而是难以平复的涟漪。即使如波浪般翻滚的情绪，总是被他压制，在一个如胸怀宽广的海洋里，再大的风浪也只是涟漪。 人类已经没有了界限，不过归根结底只是在享受前人的恩赐。没有争端，这里已经有所...
2017-03-18 17:27:08
1547
原创 图像局部显著性—点特征（Fast）
Edward Rosten和Tom Drummond两位大神经过研究，于2006年在《Machine learning for high-speed corner detection》中提出了一种FAST特征点，并在2010年稍作修改后发表了《Features From Accelerated Segment Test》，简称FAST。注意：FAST只是一种特征点检测算法，并不涉及特征点的特征描述。
2017-03-16 16:58:02
982
转载 图像的全局特征--HOG特征、DPM特征
HOG特征：方向梯度直方图（Histogram of Oriented Gradient,）特征是一种全局图像特征描述子。 它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的，而...
2017-03-16 15:31:42
7171
转载 图像局部显著性—点特征（SURF）
1999年的SIFT（ICCV 1999，并改进发表于IJCV 2004，本文描述）；参考描述：图像特征点描述。 参考原文：SURF特征提取分析 本文有大量删除，如有疑义，请参考原文。 SURF对SIFT的改进： 引用Wiki百科中对SURF描述为：“ SURF (Speeded Up Robust Features) is a robust ...
2017-03-16 12:02:07
2264
原创 图像的全局特征--用于目标检测
CNN广泛应用于目标检测的各个场景，残差网络在目标检测方面取得了领先结果。对于传统应用，使用全局特征+级联分类器的思路仍然被持续使用。常用的级联方法有haar特征+Adaboost决策树分类器级联检测 和HOG特征 + SVM分类器级联检测。 图像的全局特征可以直接用于图像分类和目标检测，基于图像块提取特定维度的特征，常用的全局特征有HOG特征、HaarLike特征、...
2017-03-09 18:06:46
5642
转载 图像局部显著性—点特征（GLOH）
基于古老的Marr视觉理论，视觉识别和场景重建的基础即第一阶段为局部显著性探测。探测到的主要特征为直觉上可刺激底层视觉的局部显著性——特征点、特征线、特征块。 相关介绍：局部特征显著性—点特征（SIFT为例） 从特征提取上说，GLOH使用了各向同性平均；从特征选择的角度上说，GLOH使用了PCA方法，体现领域专用同时丧失一定的多领域泛化能力。...
2017-03-09 17:23:58
4130
原创 OpenCV：OpenCV图像旋转的代码
OpenCV图像旋转的代码cv::transpose( bfM, bfM )前提：使用两个矩阵Mat型进行下标操作是不行的，耗费的时间太长了。直接使用两个指针对拷贝才是王道。不知道和OpenCV比较效果如何。
2017-02-27 13:45:29
1427
翻译 人工机器：TM、VNM和NTM的内存机制
从图灵机的原始模型分析，神经图灵机包含两个基本组成部分：神经网络控制器和记忆库，控制器通过输入输出向量和外界交互。不同于标准神经网络的是，控制器还会使用选择性的读写操作和记忆矩阵进行交互。类比于图灵机，我们将网络的参数化这些操作的输出称为“读头”。输入向量和网络结构影响注意力的聚焦，决定寻址位置。
2017-02-04 15:55:50
1217
转载 Morse理论：拓扑不变性特征匹配原理
微分拓扑的一个重要分支。通常是指两部分内容：一部分是微分流形上可微函数的莫尔斯理论，即临界点理论；另一部分是变分问题的莫尔斯理论，即大范围变分法。
2016-12-21 13:26:11
3272
原创 PAC学习理论：机器学习那些事
参考翻译，有大量删除和修改，如有异议，请拜访原文。一定要看英文原文！！！。 本文转载于：深度译文：机器学习那些事 英文【原题】A Few Useful Things to Know About Machine Learning 机器学习是有别于专家系统（基于知识/规则）的一种模式识别方法，与专家系统的构建方法不同，但目的相同。本文分析...
2016-12-14 10:08:22
23335
原创 图方法：二分无向图的联通子图查找
二分图又称作二部图，是图论中的一种特殊模型。 设G=(V,E)是一个无向图，如果顶点V可分割为两个互不相交的子集(A,B)，并且图中的每条边（i，j）所关联的两个顶点i和j分别属于这两个不同的顶点集(i in A,j in B)，则称图G为一个二分图。
2016-11-29 16:49:00
1576
2
翻译 基于神经网络的混合计算(DNC)-Hybrid computing using a NN with dynamic external memory
常规计算机算法能够处理复杂的大型数据结构，比如英特网和社交网络，但必须经过人类“手动”编程。神经网络则能通过示例学习如何识别复杂模式，但很难解析或组织复杂的数据结构。Alex Graves、Greg Wayne及同事，开发了一种名叫可微分神经计算机(DNC)的混合型学习机器，它由能从外部存储结构（类似常规计算机的随机存取存储器）读写数据的神经网络组成。因此，DNC能在没有先验知识和专门编程的条件下，仅仅通过试错方法来学习规划伦敦地铁路线，还能完成方块拼图游戏。
2016-11-12 13:50:26
3262
翻译 人工机器：Neural Turing Machines（NTM）
NTM通过融合一个注意力处理过程进行交互的外部存储器（external memory），来增强神经网络的能力。新系统等同于图灵机或者冯·诺依曼体系，但每个组成部分都是端到端可微的，因此可以使用梯度下降进行高效训练。初步的结果显示神经网络图灵机能够从输入和输出样本中推理出（infer）简单的算法，如复制、排序和回忆。
2016-11-11 18:42:13
12809
3
原创 支持向量机的近邻理解：图像二分类为例（3）
在图像识别领域，灰度图像被称为传说中的2维张量，任意图像为由所有二类图像构成的这个二维张量空间内的一个点。由人类专家完成图像属性归纳，把二维张量空间图像的特征显式的归结为一维张量空间的n维向量上，被称为特征提取。一般提取的特征并不一定能在n维向量空间中线性可分，这就需要再由模型进行一次映射，把向量样本转换到新的空间实现线性可分。
2016-10-22 16:21:29
1302
原创 支持向量机的近邻理解：图像二分类为例（2）
从可见样本归纳出假设空间，与事实空间一般不会相同，这就意味着泛化是个概率性的问题。在图1中的例子中可以看出，严格来说，符合专家直觉特征提取过程并不符合甚至可视样本空间的要求，二维线性不可分映射到三维向量空间线性可分是对特征提取的弥补。 一切直觉可计算的，便是递归可计算的。既然符合直觉的特征提取看似永远不能满足仅仅是可见样本空间的要求，就使用一劳永逸的方案，使用模型来解决特征空间的可描述性。
2016-10-20 12:03:49
2387
原创 支持向量机的近邻理解：图像二分类为例（1）
一个古老的哲学原理：世界并不是以小包的形式来到我们面前，除非遍历整个空间，任何训练得到的模型都是过拟合的。面对学习问题，首先面对这一个空间的认知问题，对空间结构的认识来自于接口，而全面的认识来自于遍历。在认识一个未知空间之前，一般的套路是由接口获取的数据对这个空间进行简单假设，迭代修改理解规则，最后到遍历。
2016-10-19 17:37:01
2026
使用FLANN.LSH进行检索
2014-04-01
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人