摘要：
【目标检测】RCNN算法详解 Girshick, Ross, et al. “Rich feature hierarchies for accurate object detection and semantic segmentation.” Proceedings of the IEEE conf 阅读全文
posted @ 2020-12-28 11:46
刘桓湚
阅读(377)
评论(0)
推荐(0)
摘要：
【目标跟踪】KCF高速跟踪详解 Henriques, João F., et al. “High-speed tracking with kernelized Transactions on 37.3 (2015): 583-596. 本文的跟踪方法效果甚好，速度奇高，思想和实现均十分简洁。其中利用 阅读全文
posted @ 2020-12-28 11:43
刘桓湚
阅读(959)
评论(0)
推荐(0)
摘要：
【网络优化】超轻量级网络SqueezeNet算法详解 Iandola, Forrest N., et al. “SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and< 1MB model size.” arXiv prepr 阅读全文
posted @ 2020-12-28 11:41
刘桓湚
阅读(389)
评论(0)
推荐(0)
摘要：
【运动传感器】Madgwick算法（上） Madgwick算法能够综合多种传感器参数得到传感器的姿态。传感器可以采用以下两种配置： 本文分上下两篇，上篇讲解各个传感器独立结果，下篇讲解融合方法、对误差的处理，以及标定实验。 本篇公式较多，可以直接关注各分段结尾处的“结论”。 欧拉角变化率和角速度（g 阅读全文
posted @ 2020-12-28 11:38
刘桓湚
阅读(1510)
评论(0)
推荐(0)
摘要：
【运动传感器】Madgwick算法（下） 在上篇中，讲解了分别从角速度计、加速度计、磁力计估计姿态的方法。本篇文章讲解他们的融合，对误差的处理，以及标定实验。 融合 这一部分在文章中称为filter。 在上一篇文章中，我们能够通过角速度计的读数 其中 增量由两部分构成： 第一部分 第二部分 本部分证 阅读全文
posted @ 2020-12-28 11:35
刘桓湚
阅读(783)
评论(0)
推荐(0)
摘要：
循环矩阵傅里叶对角化 All circulant matrices are made diagonal by the Discrete Fourier Transform (DFT), regardless of the generating vector x. 任意循环矩阵可以被傅里叶变换矩阵对角 阅读全文
posted @ 2020-12-28 11:33
刘桓湚
阅读(1002)
评论(0)
推荐(0)
摘要：
欧拉角、四元数和旋转矩阵 旋转变换 旋转变换最为直观的表示方法是“轴-角”：绕着某一个过原点轴，旋转某一角度。 轴可以用一个单位长度的点 旋转矩阵 旋转可以看做一种特殊的坐标变换，而坐标变换可以用用 欧拉角的物理意义 任何一个旋转可以表示为依次绕着三个旋转轴旋三个角度的组合。这三个角度称为欧拉角。 阅读全文
posted @ 2020-12-28 11:31
刘桓湚
阅读(1086)
评论(0)
推荐(0)
摘要：
蒙特卡洛-马尔科夫链(MCMC)初步 MCMC（Markov Chain Monte Carlo）是一种经典的概率分布采样方法。本文对其概念和常见算法做简单梳理。 解决什么问题？ 我们常常遇到这样的问题：模型构建好之后，有一个概率 特别地，在贝叶斯方法中，关注的是后验概率 名字解析 Monte Ca 阅读全文
posted @ 2020-12-28 11:28
刘桓湚
阅读(535)
评论(0)
推荐(0)
摘要：
蒙特卡洛-马尔科夫链(MCMC)的混合速度 在应用Markov Chain Monte Carlo的文章中，常常遇到这样的说法：“马氏链的混合速度”，“某马氏链混合很慢”，“转移概率严重尖峰（peaked）”。本文用简单的例子讲解这一概念。 MCMC的初步理解可以参看这篇博客。 马氏链的平稳态 符合 阅读全文
posted @ 2020-12-28 11:25
刘桓湚
阅读(550)
评论(0)
推荐(0)
摘要：
【优化】共轭函数(Conjugate Function)超简说明 共轭函数是最优化问题中非常重要的概念，常用来在原问题和对偶问题之间进行转换。 本文主要参考S. Boyd and L. Vandenberghe, Convex Optimization中3.3节。 定义 对于原函数 其中， 特别注意 阅读全文
posted @ 2020-12-28 10:20
刘桓湚
阅读(1383)
评论(0)
推荐(0)
摘要：
【优化】对偶上升法(Dual Ascent)超简说明 本文从便于理解的角度介绍对偶上升法，略去大部分数学推导，目的是帮助大家看懂论文中的相关部分。 阅读本文前，请先参看这篇博客《共轭函数超简说明》。 1</sup> 也称为拉格朗日对偶函数(Lagrange dual function)。 拉格朗日量 阅读全文
posted @ 2020-12-28 10:16
刘桓湚
阅读(852)
评论(0)
推荐(0)
摘要：
【平价数据】Creatism：Google的自动风光摄影师 Fang, Hui, and M. Zhang. “Creatism: A deep-learning photographer capable of creating professional work.” (2017). 这篇论文借助有 阅读全文
posted @ 2020-12-28 10:14
刘桓湚
阅读(158)
评论(0)
推荐(0)
摘要：
【平价数据】GAN用于半监督学习 Salimans, Tim, et al. “Improved techniques for training gans.” Advances in Neural Information Processing Systems. 2016. 概述 GAN的发明者Ian 阅读全文
posted @ 2020-12-28 10:12
刘桓湚
阅读(391)
评论(0)
推荐(0)
摘要：
【平价数据】SimGAN：活用合成数据和无监督数据 Shrivastava, Ashish, et al. “Learning from simulated and unsupervised images through adversarial training.” IEEE Conference 阅读全文
posted @ 2020-12-28 10:09
刘桓湚
阅读(262)
评论(0)
推荐(0)
摘要：
【推荐系统】Factorization Machine Factorization Machine（FM）[1](#fn1)是现代推荐系统的基础算法之一。本文介绍FM的模型思想、计算与优化方法。 FM模型 问题 输入： 回归： 在实际问题中， 举例 一个电影推荐系统，系统中有 对于每一条记录，按照如 阅读全文
posted @ 2020-12-28 10:07
刘桓湚
阅读(230)
评论(0)
推荐(0)
摘要：
【教程】旷视的两个有趣的东西 第一个是旷视和北大在2017-2019年搞的联合课程 github：https://github.com/zsc/megvii-pku-dl-course- B站视频：https://www.bilibili.com/video/av88056282 讲课的不单有耳熟能 阅读全文
posted @ 2020-12-28 10:03
刘桓湚
阅读(73)
评论(0)
推荐(0)
摘要：
【时间序列】时间序列分割聚类算法TICC Hallac, David, et al. “Toeplitz Inverse Covariance-Based Clustering of Multivariate Time Series Data.” KDD. (2017). 本文是2017年KDD最佳 阅读全文
posted @ 2020-12-28 10:01
刘桓湚
阅读(1840)
评论(0)
推荐(0)
摘要：
【深度学习】DeepMind关系推理网络 Santoro, Adam, et al. “A simple neural network module for relational reasoning.” arXiv preprint arXiv:1706.01427 (2017). 简介 本文用一个 阅读全文
posted @ 2020-12-28 09:58
刘桓湚
阅读(305)
评论(0)
推荐(0)
摘要：
【深度学习】One Model to Learn Them All详解 Kaiser, Lukasz, et al. “One Model To Learn Them All.” arXiv preprint arXiv:1706.05137 (2017). 概述 Google于2017年6月16日 阅读全文
posted @ 2020-12-28 09:56
刘桓湚
阅读(370)
评论(0)
推荐(0)
摘要：
【深度学习】一张图看懂Receptive Field 本文尝试用最简明直白的图示，帮助理解和记忆Receptive Field的计算方法。 什么是Receptive Field？ 在CNN中，第n层特征图中一个像素，对应第1层（输入图像）的像素数，即为该层的Receptive Field，简称RF。 阅读全文
posted @ 2020-12-28 09:53
刘桓湚
阅读(205)
评论(0)
推荐(0)
浙公网安备 33010602011771号