书山有路勤为径

95 篇文章
12 人订阅

全部文章

小飞侠xp

LaTeX 数学公式编辑

学习LaTeX公式编辑的初衷是,用word自带的mathtype公式编辑器太麻烦了,每次都要寻找并用鼠标点击不同的符号,于是就想要是能像快捷键一样只通过敲键盘编...

50
小飞侠xp

机器人世界

与人类一样,机器人通过它的“感官”来感知世界。例如,无人驾驶汽车使用视频、雷达与激光雷达来观察周围的世界。随着汽车不断地收集数据,它们会建立起一个3D观察世界,...

654
小飞侠xp

目标跟踪与定位——Introduction to motion

要随着时间变化来跟踪物体并检测动作: 方法之一是提取特定的特征 观察这些特征是怎么从一帧变化到下一帧的,这里可以用到光流法(optical flow)。

542
小飞侠xp

目标跟踪与定位——Robot Localization

事件X可以有多个结果,称之为X1,X2,等; X的所有结果的概率必须加起来为1。例如,假设有两种可能的结果,X1和X2:

502
小飞侠xp

Image Captioning(1)

首先,将图片传送到CNN中,使用预先训练的网络VGG-16或者ResNet。在这个网络的末尾是一个输出类别得分的softmax分类器。但我们不是要分类图像,我们...

662
小飞侠xp

YOLO Implementation

使用OpenCV的cv2.imread()函数加载我们的图像。 因为,此函数将图像加载为BGR,我们将图像转换为RGB,以便我们可以使用正确的颜色显示它们 网...

361
小飞侠xp

LSTM

Chris Olah's LSTM post Edwin Chen's LSTM post Andrej Karpathy's lecture on RNN...

724
小飞侠xp

Recurrent Neural Networks (RNNs)

许多应用涉及时间依赖,或基于时间依赖。这表示我们当前输出不仅仅取决于当前输入,还依赖于过去的输入。 RNN存在一个关键缺陷,因为几乎不可能捕获超过8或10步的...

763
小飞侠xp

YOLO

假设我要训练一个 CNN 来识别三种类别:人、猫、狗。因此输出向量Y将只有三个元素C1、C2、C3,每个元素都是一个类别得分。如果有更多类别,这个向量将边长。对...

763
小飞侠xp

Advanced CNN Architectures(R-CNN系列)

除了将该图像标记为猫外,还需要定位图中的猫,典型方法是在该猫周围画一个边界框,这个方框可以看做定义该方框的一系列坐标,(x,y) 可以是方框的中心w 和 h 分...

562
小飞侠xp

CNN层和特征可视化VGG-16

CNN由处理视觉信息的层组成。CNN首先接收输入图像,然后将其传递通过这些层。有几种不同类型的层:最常用的层:卷积,池化和完全连接的层。 首先,让我们来看看完...

711
小飞侠xp

回顾:训练神经网络

我们可以将这些单元神经元组合为层和堆栈,形成神经元网络。一个神经元层的输出变成另一层的输入。对于多个输入单元和输出单元,我们现在需要将权重表示为矩阵。

762
小飞侠xp

特征向量(Feature Vectors)

已经可以从图像中提取基于形状的特征,如何使用这一组特征来检测整个对象,以山峰图像角点检测举例:

772
小飞侠xp

卷积滤波器与边缘检测

高低频率 高频图像是强度变化很大的图像。并且亮度级别从一个像素到下一个像素快速变化。低频图像可以是亮度相对均匀或变化非常慢的图像。这是一个例子中最容易看到的。

762
小飞侠xp

形态学操作—膨胀与腐蚀(Dilation and Erosion)

膨胀和腐蚀被称为形态学操作。它们通常在二进制图像上执行,类似于轮廓检测。通过将像素添加到该图像中的对象的感知边界,扩张放大图像中的明亮白色区域。侵蚀恰恰相反:它...

421
小飞侠xp

特征类型和图像分割

我们最想检测的就是角点,因为角点是可重复性最高的特征,也就是说因为角点是可重复性最高的特征,给出关于同一景象的两张或以上图像 我们就能很轻易地识别出这类特征。 ...

713
小飞侠xp

SPINNING单车你需要知道的一些事(一)单车怎么调整

• If toe cages and straps are used, be sure to align the ball of your foot over ...

511
小飞侠xp

关于sklearn独热编码二.字符串型类别变量

from sklearn.preprocessing import LabelEncoder

622
小飞侠xp

Regularizing your neural network

如果怀疑神经网络过度拟合了数据,即存在高方差问题那么最先想到的方法可能就是正则化,另一个解决高方差的方法就是准备更多数据,这也是非常可靠的办法,但你可能无法时时...

413
小飞侠xp

SPINNING单车你需要知道的一些事(二)能量区间

随着可穿戴运动设备的普及化,运动变得越来越清晰和可视化。其中最重要的莫过于基于心率的练习,当然在单车中也不例外。以下两张图向我们展示了每个人的心率百分比,可以说...

814

扫码关注云+社区