zwlq1314521的专栏

写在最前面： SLAM特指：特指搭载传感器的主体，在没有环境先验的信息情况下，在运动过程中建立环境模型，通过估计自己的运动。 SLAM的目的是解决两个问题：1、定位 2、地图构建 也就是说，要一边估计出传感器自身的位置，一边要建立周围环境的模型 最终的目标：实时地，在没有先验知识的情况下进行定位和地图重建。 当相机作为传感器的时候，我们要做的就是根据一张张连续运动的图像，从

Awesome-TensorFlow-ChineseTensorFlow 中文资源全集，学习路径推荐：官方网站，初步了解。安装教程，安装之后跑起来。入门教程，简单的模型学习和运行。实战项目，根据自己的需求进行开发。很多内容下面这个英文项目:Inspired by https://github.com/jtoy/awesome-tensorflow官方网站

1 首先是何博士2009年在CVPR上的一篇paper转自http://blog.csdn.net/baimafujinji/article/details/27206237?ticket=ST-264104-uEM9GFfaos96lqSCMO4R-passport.csdn.net现在结果已经比较细腻了，但是显然图像有些暗。何博士在论文中也有

来源于 著名游戏《雷神之锤III》，它的代码在2002年左右被披露，发现了一段用于快速计算平方根倒数的代码 float InvSqrt (float x) { float xhalf = 0.5f*x; int i = *(int*)&x; // get bits for floating value i = 0x5f3759df - (i

今天要推荐一门深度学习的好课程，来自Fast.ai的Deep learning course！Welcome to fast.ai's 7 week course,Practical Deep Learning For Coders, Part 1, taught by Jeremy Howard (Kaggle's#1 competitor 2 years running, and

VINS（四）初始化与相机IMU外参标定 和单目纯视觉的初始化只需要获取R，t和feature的深度不同，VIO的初始化话通常需要标定出所有的关键参数，包括速度，重力方向，feature深度，以及相机IMU外参Rbc和pbc。一. 外参旋转矩阵初始化在Feature Detection and Tracking模块中，利用Harris特征点匹配通过基础矩阵和Ra

这是一个播放多媒体流的类

对于一个刚入门的小白来说，每一步摸索都是艰辛而快乐的

序列式容器元素可序，但未必有序。vectorvector的数据结构与array相似，不同在于array是静态空间，一旦配置了内存空间就不能改变，如果要更换内存大小，需要配置一个新空间，然后将元素从旧地址一一搬到新地址，再把原来的旧空间释放。而vector是动态空间，新加入元素时，会自动扩充空间以容纳新元素。vector源码// 默认allocator为alloc, 其具体使用版本请参照<st...

首先，我们从一道题来引出这个问题。假如已知有n个人和m对好友关系（存于数字r）。如果两个人是直接或间接的好友（好友的好友的好友…），则认为他们属于同一个朋友圈，请写程序求出这n个人里一共有多少个朋友圈。假如：n = 5，m = 3，r = {{1 , 2} , {2 , 3} , {4 , 5}}，表示有5个人，1和2是好友，2和3是好友，4和5是好友，则1、2、3属于一个朋友圈，4、5属于另一个...

首先要搞清楚这个事情的源头，在迁移学习中，要进行模型迁移，一般都会把预训练模型的后面的全连接层去掉，然后用新的数据集训练，得到自己特色的模型。我们知道卷积其实是体征提取的过程，图像再进行卷积的时候，因为每一个卷积核中权值都是共享的，因此无论输入图像的尺寸是多大的都可以都是按照步长滑动做卷积，只不过都是经过卷积运算，不同大小的输入图片提取出的卷积特征的大小也是不同的。所以卷积层很友好，它是不会限

在计算loss的时候，最常见的一句话就是tf.nn.softmax_cross_entropy_with_logits，那么它到底是怎么做的呢？首先明确一点，loss是代价值，也就是我们要最小化的值tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None)除去name参数用以指定该操作的name，

搞明白了卷积网络中所谓deconv到底是个什么东西后，不写下来怕又忘记，根据参考资料，加上我自己的理解，记录在这篇博客里。先来规范表达为了方便理解，本文出现的举例情况都是2D矩阵卷积，卷积输入和核形状都为正方形，x和y轴方向的padding相同，stride也相同。记号：  i,o,k,p,s 分别表示：卷积/反卷积的输入大小 input size，卷积/反卷积输出大小 out

目录目录文章说明光流原理神经光流网络结构介绍1 收缩部分网络结构flownetsimple结构flownetcorr结构2 放大部分网络结构训练数据集1 flying chairs数据集实验与结果分析Flownetsimple与Flownetcorr对比1 文章说明这周学习了一篇文章，文章的名字

object detection[NMS][非极大抑制]非极大抑制，是在对象检测中用的较为频繁的方法，当在一个对象区域，框出了很多框，那么如下图：上图来自这里目的就是为了在这些框中找到最适合的那个框，主要就是通过迭代的形式，不断的以最大得分的框去与其他框做iou操作，并过滤那些iou较大（即交集较大）的框按照github上R-CNN的matlab代码

l  BN（batch Normalization）What is BN通常在神经网络训练开始前,都要对输入数据做一个归一化处理Why BN？1.     提升泛华能力神经网络学习过程本质就是为了学习数据分布,一旦训练数据与测试数据的分布不同,那么网络的泛化能力也大大降低;2.     提高训练速度一旦每批训练数据的分布各不相同(batch 梯度下降),那么网络就要在每

Using Fast Weights to Attend to the Recent Past (https://arxiv.org/abs/1610.06258)Repo: https://github.com/ajarai/fast-weightsLearning to learn by gradient descent by gradient descen

tf.layers.conv2d  卷积层https://www.tensorflow.org/versions/r1.3/api_docs/python/tf/layers/conv2dconv2d( inputs, filters, kernel_size, strides=(1, 1), padding='valid', d

此方法来源于：ICML2016  Understanding and Improving Convolutional Neural Networks via Concatenated Rectified Linear Units.这篇论文~~实验代码 ：https://github.com/albanie/CReLU可以在理解原理的基础上撸一遍。在tenso

代码是python tensorflow的，代码下载在这里点击打开链接主要有：应用主要有字符识别，fashion~~~这里记录下，慢慢看