摘要： 前情分析 这里主要写一下二维人脸重建该人脸的三维模型的一些基础的知识。 主流做法 多视图几何重建。其需要采集不同角度的人脸，对设备的要求很高。 通过RGBD或者RGB图像去重建，由模型特点所致，无法生成模型细节。 单张图像重建 3DMM方法 对设备要求低，算法简单，易于移动端时间实时重建。 基于模型 阅读全文

摘要： Abstract PointNet不能捕捉到度量空间（欧式和非欧但是只要有度量PointNet都可以用）点所产生的几何结构，从而限制了它识别细粒度模式的能力和对复杂场景的通用性。在这项工作当中，我们引入了一个分层神经网络，递归的将PointNet应用于输入点集的嵌套划分。通过利用度量空间距离，我们的 阅读全文

摘要： 3D Face Modeling From Diverse Raw Scan Data 标签（空格分隔）： 论文 问题 这里稠密对应的局部拓扑三角形指的是什么意思 ？ 摘要 传统的3D人脸模型使用线性子空间从单个数据集的有限扫描中学习人脸的潜在表达。从不同的3D数据集中构造一个大规模的人脸模型的主要 阅读全文

摘要： PointNet：Deep Learning on Point Sets for 3D Classification and Segmentation 个人总结 建议切入点 点云和体素的区别 点云为什么Unordered，怎样解决问题？ 稀疏关键点，总结点云骨架，得到高度的缺失鲁棒性。 为什么可以作 阅读全文

摘要： ![image](upload... 阅读全文

摘要： K折交叉验证， 最后成绩Private Score为0.23218，在该种模型下算是不错了。 读取训练和测试数据，并将其特征合并，统一用于数据清洗。 %matplotlib inline import pandas as pd import torch import time from torch 阅读全文

摘要： 导致过拟合，影响模型泛化的因素： 可调整参数的数量，当可调整参数的数量（自由度）很大时，模型往往容易过拟合。 参数采用的值，当权重的取值范围较大时，模型可能更容易过拟合。 训练样本的数量。即使模型很简单避免了上面条件1的可能性，但是在训练样本极少的情况下也很容易造成过拟合现象。而过拟合一个数据量极大 阅读全文

摘要： 交叉熵损失函数 标签（空格分隔）： 损失函数 在得到预测结果之后我们使用softmax对预测概率进行归一化，softmax之后产生的$\hat{y}_i$之中的参数之和为1，并且每个参数都是0~1之间，在归一化结束之后因为其用的是指数函数所以较大的值只会更大。下面用一个简单的图像分类例子开始讲解，下 阅读全文

摘要： softmax回归 标签（空格分隔）： 深度学习 回归估计一个连续值， 分类预测一个离散类别。 在上一节学习了线性回归问题，回归可以用于预测多少的问题。比如预测房屋被出售的价格，或者棒球队可能获得的胜利数量，又或者患者住院的天数。事实上，我们经常对分类问题感兴趣：不是问“多少”，而是问“哪一个”。 阅读全文

摘要： 线性回归 标签（空格分隔）： 深度学习 我们举一个实际的例子：我们希望根据房屋的面积和房龄来预计房屋价格。为了开发一个能够预测房价的模型，我们需要收集一个真实的数据集。 该数据集包括：房屋的销售价格，房龄和面积。在机器学习的术语中，该数据集成为训练数据集或训练集，每一行数据被称为样本，也可成为数据点 阅读全文