fariver

摘要： 名称 VAE原文 TL;DR 这篇文章介绍了一种名为Auto-Encoding Variational Bayes (AEVB)的算法。AEVB算法通过引入随机变分推断和学习算法，解决了在大数据集和不可解后验分布情况下的推断和学习问题。文章的主要贡献有两个：首先，提出了一个可以直接使用标准随机梯度方 阅读全文

摘要： Learning Transferable Visual Models From Natural Language Supervision link CLIP 全称 Contrastive Language-Image Pre-training 时间：21.02 机构：OpenAI TL;DR 一种 阅读全文

摘要： VIT: AN IMAGE IS WORTH 16X16 WORDS link TL;DR 首篇使用纯Transformer来做CV任务的文章。 Method 首先将图像拆成多个图片Patch，每个Patch通过LindearProjection变成embedding特征，使用Transformer 阅读全文

摘要： Transformer ) 名称解释： Self-Attention: 类似于CNN里面的Conv层，是Transformer中重复次数最多的特征提取Layer。 Multi-Head Attention: 相对于Self-Attention，将每个节点外接多个q、k、v head。 Cross A 阅读全文

摘要： 目录视觉SLAM特征点法2D-2D对极几何3D-2D PnP3D-3D ICP光流法说明直接法理论模型（最小化光度误差）一些细节问题工程问题安装sophus 视觉SLAM 特征点法 特征点提取+匹配 ORB = Fast + ORiented Brief 特征点：Fast10(9/11)，即如果周围 阅读全文

摘要： 三维点云处理 Cluster 对给定点集$p_i, i \in {1,2,...n}$进行聚类。 K-means (1) 随机初始化K个中心点 (2) 每个点$p_i$属于分配一个距离最近的点 (3) 更新中心点位置 (4) check converge 变种： K-Medoids（K中心点法）：中 阅读全文

摘要： Caffe使用经验积累 本贴记录Caffe编译好了，使用过程的常用命令与常见错误解决方式。如果对编译过程还存在问题，请参考 "史上最全的caffe安装过程" 配置Caffe环境。 1 使用方法 训练网络 选择某个模型作为预训练模型 继续之前的状态续训 画出网络结构 选择多gpu进行训练 设置系统环境 阅读全文

摘要： 1 安装Torch 本文介绍Torch7的安装方法，因为本人安装Torch前安装了caffe，所以可能CUDA、cudnn、Blas等Torch可能需要用来的库的安装就不再重复介绍了，相关依赖出现问题的的猿友可以参考 "史上最全的caffe安装过程" 。 1.1 安装luarock lua是通过lu 阅读全文

摘要： Linux下的GPU版Caffe安装方法 系统环境：Ubuntu 14.04LTS + NV TitanX 1.1 (可选)显卡驱动的安装(有风险) 如果需要重装，需要先卸载已有版本 再重装一个比较稳定的版本 或者安装其它最新版本的驱动，但一定注意，通过apt get或者yum安装， 不要用官方的. 阅读全文

摘要： 创新点：基于Faster RCNN使用更高效的基础网络 1.1 创新点 PVAnet是RCNN系列目标方向，基于Faster RCNN进行改进，Faster RCNN基础网络可以使用ZF、VGG、Resnet等，但精度与速度难以同时提高。PVAnet的含义应该为：Performance Vs Acc 阅读全文