QIY.NET

柒月的博客
本站总访问量

SLAM学习笔记(一)

第三讲三维空间刚体运动

高翔老师SLAM14讲学习笔记 1 内外积 1.1 内积 1.2 外积 2 坐标系的欧式变换 2.1 旋转 2.1.1 基本旋转动作 2.1.2 R矩阵性质 2.1.3 旋转变换方式 ...

DL学习笔记(六)

目标检测常用方法

Deep Learning 的学习需稳扎稳打 积累自己的小厂库 1 R-CNN(Selective Search + CNN + SVM) 1.1 思路 1.2 步骤 1.3存在的问题 2 SPP-Net(ROI Pooling) 2.1 创新点 2.2 对比R-CNN ...

图像处理基础(三)

SFM和SLAM

图像处理 的学习基本上是学十得一。稳扎稳打再来一次 1 背景 2 SFM 2.1 概念 2.2 流程简介 2.2.1 特征点提取与特征点匹配 2.2.2 基础矩阵估计F 2.2.3 本质矩阵估计E 2.2.4 本质矩阵分解为R和T ...

图像处理基础(二)

像机标定方法

图像处理 的学习基本上是学十得一。稳扎稳打再来一次 1 背景 1.1 为什么要相机标定? 1.2 什么叫相机标定? 1.3 相机标定方法有哪些? 1.4 常用术语 2 各坐标系 2.1 世界坐标系 2.2 相机坐标系 2.3 相机坐标系转换为世界坐标系 ...

DL学习笔记(五)

GNN 图神经网络

Deep Learning 的学习需稳扎稳打 积累自己的小厂库 1 图(数据结构课程) 2 图神经网络 2.1 起始 2.2 输入输出 2.3 方法 1 图(数据结构课程) G=(V,E,A) 1)V(N个)是节点集合, 只描述了存在的节点 2)E是边集合, 只描述了存在的连接(边) 3)A(NxN)是图的邻...

DL学习笔记(一.一)

梯度

Deep Learning 的学习需稳扎稳打 积累自己的小厂库 1 导数到梯度 1.1 梯度 1.2 hession矩阵 1.3 Jacobian 矩阵 1.4 泰勒级数与极值(由标量到矢量) 2 梯度下降与随机梯度下降 1 导数到梯度 1.1 梯度 对于1元1阶导数:f’(x) 对于2元1...

DL学习笔记(三)

RNN 循环神经网络

Deep Learning 的学习需稳扎稳打 积累自己的小厂库 1 RNN基本架构 2 LSTM 3 LSTM 对比传统rnn的好处 1 RNN基本架构 与cnn相比多了 存储,输出结果是输入加store的累加; -- 2 LSTM 说道RNN一般指的就是LSTM了。 4个输入,都是标量,3个为门电路1/0,1个输出 输入:1 2 3 4 ...

DL学习笔记(一.二)

概率论基础

Deep Learning 的学习需稳扎稳打 积累自己的小厂库 基础 1 随机变量 1.1 累计分布函数 1.2 概率密度函数 1.3 高斯分布(正态分布) 1.4 贝叶斯公式 基础 μ:期望(谬/穆,均值); σ2:总体方差(西格玛) 为总体方差, 为变量, 为总体均值, 为总体例数;...

DL学习笔记(一.三)

线性代数基础

Deep Learning 的学习需稳扎稳打 积累自己的小厂库 1 特征值与特征向量 2 降维(PCA) 1 特征值与特征向量 Ax=λX 几何意义: Ax:对x进行旋转,若Ax与x同线,则x为A的特征向量,λ即对原始向量的伸缩。 对维度的压缩,可根据特征值大小排序,删掉特征值小的量,如一个特征值是5,一个是0.1,去掉0.1整体的丢失并不多。上图Ax3可...

DL学习笔记(二)

CNN基础

Deep Learning 的学习需稳扎稳打 积累自己的小厂库 一 CONV 二 RELU 三 POOL 四 FC 一 CONV a. 深度depth:神经元个数,决定输出的depth厚度。同时代表滤波器个数。 b. 步长stride:决定滑动多少步可以到边缘。 c. 填充值zero-padding:在外围边缘补充若干圈0,方便从初始位置以步长为单位可以刚好...