摘要：
相机2D坐标到3D坐标的变换是一个SLAM、三维重建、相机标定的经典问题，这个过程必定要求解相机的内参矩阵、外参矩阵。 虽然这是一个slam最基础的入门问题，似乎只要调一个函数就能完成，但实际上，该问题是一个涉及最优化、矩阵论、代数等多个领域的较复杂数学问题。 参考资料： PnP算法详解（超详细公式 阅读全文
摘要：
import random import torch import torch.nn as nn import matplotlib.pyplot as plt import numpy as np import math from torch.utils.data import DataLoade 阅读全文
摘要：
图像拼接、融合是全景拼接的基础操作，opencv库提供了stitch方法，该方法相当完备，就是速度有点慢。 我也实现了一个类似的方法，其流程为：特征提取、特征匹配、透视变换、掩膜生成、羽化融合。 按羽化算法，如下所示，两图交集区域是图像融合的区域，某点距离融合边界（属于图像a）越远，图像a在此点的融 阅读全文
摘要：
帕累托最优是一个很有趣的方法，你可以用它来做深度学习的多目标任务优化，也可以用于对比多个模型的性能。 详解：多目标优化之帕累托最优 - 知乎 (zhihu.com) 一、模型评价 上图所示，有ABCD四个系统，稳定性和准确性是评价系统性能的指标。这是很明显的，D在所有指标上都完全优于A；C稳定性强于 阅读全文
摘要：
一、维度灾难 维度灾难指的是当样本维度过高时，发生过拟合，验证集结果变差。 样本维度越高，能够提供的信息就越多，但是其中有可能会提供一些无关的信息。 而且随着维度越高，样本集在高维空间就会出现稀疏性，简单来说，就是需要更多的样本来填补这个空间。 上图所示，纬度高确实能带来一定提升，但是如果过高，就会 阅读全文
摘要：
噪声分为加性噪声、乘性噪声。加性噪声一般被认为是系统的背景噪声；而乘性噪声伴随信号产生，是系统时变性引起的。 单独分析时，只需要对乘性噪声取对数，就可化为加性噪声，所以所有的乘性噪声都可被近似为加性噪声。 实际上，信号既存在加性又存在乘性噪声。 但是，在视觉图像领域，通常注重处理乘性噪声，简单处理加 阅读全文
摘要：
旅行商问题是一个很经典的图论问题。 不重复的旅行商问题用数学语言叙述如上所示，式中xij表示节点i到节点j，cij则表示节点i到节点j的路径长度；第一个约束保证一个节点只出发一次，第二个约束保证一个节点值到达一次。 解决非对称旅行商问题的常用方法是指派算法。指派算法的实质是匈牙利算法，需要寻找增广路 阅读全文
摘要：
最近在看自编码器相关的文章，我对这种算法的原理产生了极大的疑惑，为什么选择loss作为判断异常的标准呢？ 我想，原作者肯定是这么想的： 1）只输入正常数据，那么模型将只会学习到正常数据的分布。推理时，模型可以很好地重构正常信号，正常信号引起的loss值会很小。 2）模型没有学习到异常数据的分布，也不 阅读全文
摘要：
高斯混合模型是EM算法的优秀实践，表达形式也十分简单，但是其推导确实有点复杂。 推荐几篇不错的文章： (26条消息) ML-朴素贝叶斯-先验分布/后验分布/似然估计_特征条件独立性假设_透明的胡萝卜的博客-CSDN博客 （此篇文章介绍了一些朴素贝叶斯基本知识，建议先看） 高斯混合模型(GMM) - 阅读全文
摘要：
傅里叶变换是频谱分析的重要工具，适用于周期性平稳信号，但是对于非平稳信号而言，效果较差。 其实质是卷积求正弦波相关性，由于正弦波不是能量有限信号，对无差别做一个全部卷积，算出来的结果不考虑时间。 小波变换也是频谱分析的重要工具，基函数为能量有限信号，也可以进行时域分析。针对不同的信号，可以更换不同的 阅读全文