VIO学习系列

深度学习系列41：多模态Dalle-min生成图像

1.dalle-min模型介绍参考https://huggingface.co/flax-community/dalle-mini，可以用这个版本进行探索和学习。dalle模型包括：一个基于BART的编码器，将文本token转为图像token一个基于VQGAN模型的编解码器，将图像token和图片之间互相转换首先要训练VAGAN模型。开源的模型对于人脸重构效果不佳，期待有人做优化训练；此外还需要一
IE06·2022-12-21 14:36

深度学习系列29：VQ-GAN模型

1.介绍发表于2021年，来自德国海德堡大学IWR研究团队。最大的亮点在于其可以生成百万像素级别的图片。VQGAN的突出点在于其使用codebook来离散编码模型中间特征，并且使用Transformer（GPT-2模型）作为编码生成工具。codebook的思想在VQVAE中已经提出，而VQGAN的整体架构大致是将VQVAE的编码生成器从pixelCNN换成了Transformer，并且在训练过程中
IE06·2022-12-21 14:05

Python手撸机器学习系列（九）：硬间隔SVM（对偶形式SMO算法求解）

目录1、对偶形式求解原理2、SMO算法求λ\lambdaλ2.1原始解2.2对原始解进行修剪2.2更新bbb3、代码实现4、参考文献及联系方式原始形式梯度下降法求解请参考我的上一篇博客：硬间隔SVM原始形式梯度下降法求解1、对偶形式求解原理引入拉格朗日乘子法L(w,b,λ)=12∣∣w∣∣2+∑i=1Nλi(1−yi(wTxi+b))L(w,b,\lambda)=\frac{1}{2}||w||^
锌a·2022-12-21 07:48

八月组队学习，吃瓜课程学习笔记打卡 Task1

这里写目录标题机器学习第一章第二章小结本次学习是Datawhale发起的组队学习系列——吃瓜教程|八月份组队学习学习内容由开源学习组织Datawhale提供相关课程链接:https://www.bilibili.com
miskirito·2022-12-20 12:13

LM393电压比较器介绍

特点1、工作温度范围:0℃---+70℃；2、工作电源电压范围宽，单电源、双电源均可工作：单电源：2～36V，双电源：±1～±18V；3、消耗电流小，ICC=0.4mA；4、输入失调电压小，VIO=±2mV
嵌入式硬件与代码·2022-12-20 11:49

VINS_mono 代码详细理解（一）

具体的每个功能包的内容：三、VINS_mono代码整体框架VINS-mono是香港科技大学开源的VIO算法，单目相机+IMUVINS的功能模块分为五个部分，分别是数据预处理、初始化、后端非线性优化、闭环检测
一大块肉松·2022-12-20 08:25

SimCLR-[论文学习笔记]

SimCLR是对比学习系列文章里比较容易理解的一个模型框架，这也是Hinton大神的又一篇作品，值得我们仔细阅读与学习。以下就是学习过程中的相关心得笔记，希望能够帮到你，如有错误请指正，我们一起进步！
阿飞没有花福蝶·2022-12-20 05:44

【pytorch】学习系列文章

系列文章目录提示：记录pytorch学习过程中的困惑第一章Pytorchadd和concat的区别文章目录系列文章目录@[TOC](文章目录)前言一、Pytorch的add和concat？前言此文章不是官方文档，主要记录学习过程中的困惑提示：以下是本篇文章正文内容，下面案例可供参考一、Pytorch的add和concat？在resnet和ShuffleNet的shortcut，有的是用add，有的
weixin_40293999·2022-12-20 02:02

对抗机器学习系列——深度神经网络的盲点

1、引言  近些年，深度学习在计算机视觉领域取得了很好的表现，引领了第三次人工智能的浪潮。目前大部分表现优异的应用都用到了深度学习，大红大紫的AlphaGo就使用到了深度学习。  但是本期讲的是对抗机器学习，为什么提深度学习，深度学习和机器学习是什么关系呢？或者说深度学习、神经网络、机器学习、人工智能之间的关系又是怎样的。  简单来说：深度学习是机器学习的一个分支(最重要的分支)机器学习是人工智能
红帽小生·2022-12-19 18:59

“优化算法”面试知识点总结-损失函数总结+梯度下降法+正则化-百面机器学习系列6

提示：在准备机器学习算法工程师面试的过程中，我主要参考《百面机器学习》去巩固自己的基础知识。本系列博客将以该书为主题，并以八股文的方式去概述整本书的内容，以尽量减少读者们的阅读作量，并方便读者可以随时随地的记忆背诵。建议：我还是认为读者们可以提前买一本《百面机器学习》，从前到后完全看一遍，然后再看我的博客去记忆背诵会更好些哈。文章目录问题1：有监督学习的损失函数问题2：机器学习中的优化问题问题3：
八股文的搬运工·2022-12-19 17:10

python鼠标点击事件event_opencv-python教程学习系列5-处理鼠标事件

前言opencv-python教程学习系列记录学习python-opencv过程的点滴，本文主要介绍opencv-python处理鼠标事件，坚持学习，共同进步。
weixin_39669629·2022-12-19 11:39

Python数据分析学习系列 十五 NumPy高级应用

Python数据分析学习系列十五NumPy高级应用资料转自（GitHub地址）：https://github.com/wesm/pydata-book有需要的朋友可以自行去github下载本章包括了一些杂乱的章节
天涯尽头黄鹤楼·2022-12-19 10:46

Python数据分析学习系列 十六 IPython的内容

Python数据分析学习系列十六IPython的内容资料转自（GitHub地址）：https://github.com/wesm/pydata-book有需要的朋友可以自行去github下载第2章中，我们学习了
天涯尽头黄鹤楼·2022-12-19 10:46

机器学习系列——关于torch.nn.DataParallel的测试

0前言前几天把服务器上训练好的模型转移到Jeston开发板上跑测试,加载模型时报错：nomodulenamed"model"后来经过一番折腾，终于搞明白原因。是因为在服务器上跑训练时使用了torch.nn.DataParallel进行加速，所以保存后的模型在Jeston开发板上进行torch.load()时报错。今天有时间了解了一下torch.nn.DataParallel这个模型，并进行简单测试
高自强的博客·2022-12-19 09:55

【深度学习系列（六）】：RNN系列（4）：带注意力机制的seq2seq模型及其实战(1)

这几天主要在看seq2seq相关的知识，比较深入的了解了各种Attention机制下的seq2seq，本篇主要是对seq2seq的一些简单介绍，之后会讲到如何使用基于Attention的seq2seq在图像上的描述的实战，让我们一起来看看吧。。。目录一、Attentiaon注意力机制1.1、Attention注意力机制基本原理1.2、BahdanauAttention与LuongAttention
wxplol·2022-12-19 03:47

【机器学习系列】隐马尔科夫模型第二讲：前向算法、后向算法

作者：CHEONG公众号：AI机器学习与知识图谱研究方向：自然语言处理与知识图谱阅读本文之前，首先注意以下两点：1、机器学习系列文章常含有大量公式推导证明，为了更好理解，文章在最开始会给出本文的重要结论
CHEONG_KG·2022-12-18 16:45

【大道至简】机器学习算法之隐马尔科夫模型(Hidden Markov Model, HMM)详解（2）---计算问题：前向算法和后向算法

☕️本文续于上篇文章：【大道至简】机器学习算法之隐马尔科夫模型HMM详解（1）---开篇：基本概念和几个要素_尚拙谨言的博客-CSDN博客☕️本文来自专栏：大道至简之机器学习系列专栏❤️各位小伙伴们关注我的大道至简之机器学习系列专栏
尚拙谨言·2022-12-18 16:12

Airsim中运行OpenVINS和VINS_Fusion

参数配置1.简介本文简介在Airsim中运行OpenVINS和VINS_Fusion.2.参考无人飞行器智能感知技术竞赛赛事公告在AirSim中控制无人机平台并采集数据OpenVINS官网AirSim中运行VIO
SLAM On the Road·2022-12-18 15:02

torch 默认参数初始化_PyTorch学习系列(九)——参数_初始化

from：http://blog.csdn.net/VictoriaW/article/details/72872036那么如何在pytorch里实现呢。PyTorch提供了多种参数初始化函数：torch.nn.init.constant(tensor,val)torch.nn.init.normal(tensor,mean=0,std=1)torch.nn.init.xavier_uniform
川口·2022-12-18 13:45

深度学习系列30：BART模型

1.模型介绍BART（BidirectionalandAuto-RegressiveTransformers，双向自回归变压器）用于多模态中将文字转为图像。参考网上开源的中文bart地址：https://huggingface.co/uer/bart-base-chinese-cluecorpussmall，下面是个使用例子fromtransformersimportBertTokenizer,B
IE06·2022-12-18 12:33

vio-视觉与IMU融合实现里程计（第六章）——视觉前端

使用光流法对特征点或角点进行追踪时很容易丢失,而使用直接法进行追踪时曝光可能会受影响.算法耗时越多,效果越好.ORB使用的是带有描述子的特征点法(直接法比特征点法效果好),直接法可以利用特征点选取的多少来决定耗时的长短进而决定追踪效果的好怀.放射变换包含了选中的该方块的旋转和平移如果不插入关键帧,则会导致路标点深度信息一直不变,引起退化,插入关键帧后使用BA(光束法平差)将重投影误差进行平摊,使得
思考之路·2022-12-18 10:34

R语言机器学习系列-支持向量机二分类代码

与回归类似，首先是构建公式，然后用e1071包的svm函数训练支持向量机模型。traindata中的因变量需要提前处理成factor类型，这样svm会自动构建分类模型。为了预测分类概率，需要在svm中将probability参数值设置为TRUE。#因变量自变量构建公式colnames(Heart)form_cls<- as.formula(  paste0("AHD~",paste(colname
Mrrunsen·2022-12-17 23:53

VIO/VINS中关于能观性/可观性的详细讲解

也是没什么人写，再详细讲解一下整体简洁一点尝试主要用文字说明这个比较关键的点，其实整体和多传感器融合也有很大的关联，无论是外感还是内感传感器，无外乎从运动出发或者从观测出发：这个部分不需要扯到VIO里面非线性优化那块比较复杂的东西
紫川Purple River·2022-12-17 17:07

关于机器人状态估计(8)-VSLAM/VIO应用与实用性评估

很久没更新自己的大专栏了，熟悉我博客的朋友应该知道如果写这个标题，就说明是挺认真写的~哈哈。最近的工作也确实取得了很大的进展，进入了更困难的深水区首先得感谢港科多位师兄师弟的帮助，尤其是本末提供的Diable刑天小车车，优秀的编码直驱电机的表现，轮足设计和棒棒的6DOF全能，很大程度的帮助了我们的工作！导致这一版几乎是为刑天量身订做的。。。其他底盘泛用性应该也是可以的。另外感谢某师兄企业优异的全局
紫川Purple River·2022-12-17 17:36

VIO/VINS/VSLAM问题定位流程与思路

首先假设读者是了解基础VSLAM，了解VIO基础(至少要会标定，调过几个开源系统的)先说一下双目的VINS-FUSION，大部分问题都是基线造成的问题，简单点说就是如果使用较短的基线如5cm(Realsense
紫川Purple River·2022-12-17 17:36

一些与VIO/SLAM有关又无关的杂谈

今天主要有些想法，于是写个杂谈，方方面面吧，包括VIO和SLAM，也包括一些市场方面的事情。
紫川Purple River·2022-12-17 17:36

DM-VIO简析

今天主要是针对DMVIO/DM-VIO的简析，中文网上有的东西都太少了，只能靠看完论文和组员们一起改代码。
紫川Purple River·2022-12-17 17:36

主流VIO/VSLAM系统改造与工程化落地

今天主要写针对主流VIO和VSLAM如VINS-MONO和DSO的工程改造思路肯定是有相当价值的，总体写得比较简单，需要具备软件/硬件/算法等各方面综合能力才能掌握主要路径，具体实现方面以后由其他同事来针对每一个单一闭环来更新
紫川Purple River·2022-12-17 17:06

关于长波红外(热成像)相机在机器人状态估计与VIO中的一些验证

今天结合机器人状态估计谈一下这块。长波红外的工作波长是7-14μm，比我们肉眼看到的波长要长得多，实际的成像效果如下：缺点一目了然：1.无法给出画面具体细节2.无法给出丰富的颜色信息以反映特征3.还有一个隐藏的缺点就是长波红外通常只支持卷帘快门但是长波红外(热成像)具备几个很突出的优点：1.纯被动式感应，无法被侦察与探知(很适合特种领域的落地)2.几乎完全不受光流与阴影的影响，这个是其最大的优点，
紫川Purple River·2022-12-17 17:35

关于VIO零速更新(ZUPT)与控制三种约束的工程实践

VIO系统后端核心的三种约束是：先验约束，视觉约束与IMU预积分。
紫川Purple River·2022-12-17 17:35

关于机器人状态估计/VIO/VSLAM中能观性/可观性/FEJ的一些直接解释

知识来源是高翔博士与贺一家老师的VIO课程，以及Barfoot教授的机器人学中的状态估计。
紫川Purple River·2022-12-17 17:05

关于机器人状态估计(10)-VSLAM与VIO的3D建图，重定位与世界观综述

一.摘要：本文重点描述VSLAM与VIO的3D建图，重定位，回环与世界观，从小伙伴们最关心的工程和商用搞钱的角度进行详细分析，并从技术和实现部分详细描述各种类型SLAM在这块的差异。
紫川Purple River·2022-12-17 16:51

使用Indemind双目模组跑ORB_SLAM3

文章目录Indemind双目模组跑通ORB_SLAM31.下载源码编译2.ROS编译错误3.配置文件Indmeind跑ORB_SLAM3的VIO1.按照ORB_SLAM3正常编译即可2.运行Indemind
INDEMIND·2022-12-17 11:10

随机森林文本分类

随机森林原理及代码实现机器学习系列第一章随机森林原理及代码实现文章目录随机森林原理及代码实现机器学习系列前言一、集成算法是什么？
Yvonne酸奶·2022-12-17 08:40

Mybatis基础学习之缓存原理浅析和自定义缓存Ehcache的简单使用

这个Mybatis基础学习系列是用来记录我学习Mybatis框架基础知识的全过程(这个系列是参照B站狂神的Mybatis最新教程来写的，由于是之前整理的，但当时没有发布出来，所以有些地方可能有错误，希望大家能够及时指正
狂奔の蜗牛rz·2022-12-17 07:01

机器学习系列(4)_机器学习算法一览，应用建议与解决思路

作者：寒小阳&&龙心尘时间：2016年1月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50469334http://blog.csdn.net/longxinchen_ml/article/details/50471268声明：版权所有，转载请联系作者并注明出处1.引言提起笔来写这篇博客，突然有点愧疚和尴尬。愧疚的是，工作杂事多，加之
龙心尘·2022-12-17 07:21

PyTorch学习系列教程：构建一个深度学习模型需要哪几步？

导读继续PyTorch学习系列。前篇介绍了PyTorch中最为基础也最为核心的数据结构——Tensor，有了这些基本概念即可开始深度学习实践了。
小数志·2022-12-16 14:18

Android-音视频学习系列-(二)-交叉编译动态库、静态库的入门学习

return19921001;}预处理阶段预处理阶段主要处理include和define等。它把#include包含进来的.h文件插入到#include所在的位置，把源程序中使用到的用#define定义的宏用实际的字符串代替。我们可以通过以下命令来对c/c++文件预处理，命令如下:gcc-Etest.c-otest.i//-E的作用是让gcc在预处理结束后停止编译可以看到输入该命令之后就会生成一个
普通网友·2022-12-15 18:48

【图像处理之学习1】图像的读取、缩放、旋转、翻转和平移。

参考博主：Eastmount的博客_CSDN博客-网络安全自学篇,Python学习系列,知识图谱、web数据挖掘及NLP领域博主Eastmount擅长网络安全自学篇,Python学习系列,知识图谱、web
一场玫瑰花的葬礼·2022-12-15 02:37

【RMF】ros机器人中间件框架学习系列二：运行demos

运行demosairportterminal版本：ubuntu20.04x64,ros-foxy-desktop-full安装步骤1.下载安装rmf-demossudoapt-getinstallros-foxy-rmf-demos-gz2.下载所需要的模型（以airportterminal为例）ros2runrmf_building_map_toolsmodel_downloaderrmf_de
樱花回忆·2022-12-14 20:05

辣鸡准备稍微碰一下深度学习系列(1/21)---上

HelloTensorflow（2.3.0）集ctrlCV之大成--MNIST手写数字检测上前BBMNIST数据集一、是啥玩意？二、怎么得到？第一种：找大腿（keras）第二种：伸手要讨要过程处理过程第三种：自食其力结论：kerasNB！三、怎么使用？1.分验证集2.标签换成独热编码3.最后样子叫上大哥拿家伙开练一、Softmax回归1.Softmax回归部分原理2.大哥风光3.大腿真香前BB  
zszwrsjf·2022-12-14 17:25

Docker学习4-常用命令之重要的容器命令

本文是Docker学习系列教程中的第四篇。本文是Docker常用命令中的重要命令。为什么说重要呢？因为这些命令，在以后开发过程中，会经常使用到。比如：怎么查看容器中运行的日志？怎么查看容器运行的进程？
·2022-12-14 14:17

Docker学习系列3：常用命令之容器命令

本文是Docker学习系列教程中的第三篇。
·2022-12-14 14:12

【人工智能全栈学习】机器学习基础知识——传统机器学习（看完就全懂了）

【人工智能全栈学习】机器学习基础知识——传统机器学习（看完就全懂了）一、问题二、人工智能全栈学习系列课程三、朴素贝叶斯分类算法朴素贝叶斯分类朴素贝叶斯缺点：粗暴认为属性之间相互独立优点：由于粗暴认为属性之间相互独立
一拳Marx·2022-12-14 10:45

VIO测试准备——使用imu_utils和kalibr进行相机与IMU标定

0前言近期主要学习VIO。相机使用海康的两个支持外触发的单目相机，完成硬件同步外触发后，固联安装在机器人机体两侧，搭建了一个简易的双目相机。
OptimusAlpha·2022-12-14 10:25

机器学习系列 1：监督学习和无监督学习

https://www.toutiao.com/a6690813539747103246/2019-05-1509:31:00机器学习系列1：监督学习和无监督学习机器学习就是通过一大堆数据集训练一个电脑程序让他能够去更加准确地预测出下一次的结果
喜欢打酱油的老鸟·2022-12-14 03:24

机器学习系列(一)， 监督学习和无监督学习

常见的机器学习任务，可以分为监督学习和无监督学习两类1，监督学习监督学习的样本集是既有特征也有结果的数据，即已知输入与输出值。监督学习的任务时根据这些已知特征和结果的数据，训练模型，使得模型能够根据输入的特征值，预测结果。例如，已经有个数据即，包含了某地房子价格的相关数据，每条数据包含房子的面积、楼层、房龄和售价。在这里面积、楼层、房龄是特征值，售价结果值，根据这一组数据训练的一个模型。当向模型中
azhexg·2022-12-14 03:44

机器学习（一）监督学习和无监督学习

二、课程学习内容三、监督学习四、无监督学习总结Log2021.12.31寒假开始，开个新坑，记录一些机器学习的笔记，还是老样子放上本次资源，学习视频传送门：[中英字幕]吴恩达机器学习系列课程2022.01.01
竹清兰香·2022-12-14 03:43

【深度学习系列】贝叶斯神经网络

没有免费的午餐定律如果一个算法对某些问题有效，那么它一定在另外一些问题比纯随机搜索方法更差。推荐学习贝叶斯神经网络资料：[1]https://www.bilibili.com/video/BV1TL4y187qF?spm_id_from=333.337.search-card.all.click[2]https://zhuanlan.zhihu.com/p/81170602推荐的工具：基于pyto
lrchang·2022-12-13 22:05

D435i是单目摄像头还是双目摄像头？好像是单目摄像头（更加进一步了解后确实有双目）

https://blog.csdn.net/huanghaihui_123/article/details/86518880那看来D435i做不了双目VIO?原来D435i的建图不是靠双目估计
TYINY·2022-12-13 20:36
上一页 25 26 27 28 29 30 31 32 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他