- 博客(28)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 Pytorch
上述代码相当于把a，b压缩成一个变量，print(train_ids[0:2])表示，取该变量的前两个，注意，上面压缩会把每一行一一对应起来，比如[1,2,3]对应44，【4，5，6】对应66……因此，a\b两个变量的行数必须一样。
2024-12-14 16:26:49
249
1
原创 深度学习记录
就是给CUDA11.8，Python 3.11，Windows平台准备的查看Cuda版本命令：nvcc -V注意：cuda向下兼容。
2024-12-12 11:39:10
201
原创 遥感影像精度
内部精度是每一个点distx和disty的分布情况。红框是均值误差，绿框是算出来的中误差。几何定位精度分为：相对精度和绝对精度。相对精度是与非DOM做匹配。绝对精度是与DOM相比较。此处介绍几何定位精度。内部精度是指分散程度。
2023-07-25 23:09:21
495
原创 P1 深度学习概论
1、RULE（Recitified、Linerar、Unite）函数，前面为0，后面为一条斜线。2、总结：该视频主要讲解什么是神经元，即一个函数，给一个x输出一个y。3、第一周主要构建一个对深度学习理解的框架。2023年7月12日。
2023-07-13 09:51:07
162
原创 OpenCV编译
（3）等待configure结束后,根据飘红位置下载所需文件（挂梯子执行不会遇到这个问题），若涉及python可不管。（1）设置路径并点configure,若找不到自己对应版本的VS请下载对应版本的cmake工具。注意：CUDA只支持win64，没加64就是32。(5)open project用vs打开项目，不要最新，因为cmake会与vs版本有关。网址：www.cmake.org。下载如下图所示后缀的文件。
2023-06-04 10:10:20
113
原创 概率论学习笔记
https://www.bilibili.com/video/BV1ot411y7mU/?p=2&spm_id_from=pageDriver&vd_source=daa219ec02858a4fcc25d8e0101e1528
2022-11-30 10:28:56
235
转载 图像处理基本知识
转载仅为后续自己查阅方便，大家对相关知识感兴趣请前往https://blog.youkuaiyun.com/strive_0902/article/details/78026816处学习
2022-04-29 17:42:09
18088
原创 moravec算法
一、算法（1）原理 该算法将角点定义为具有低“自相关性”的点。 算法会检测图像的每一个像素，将像素周边的一个邻域作为一个patch，并检测这个patch和周围其他patch的相关性。这种相关性通过两个patch间的平方差之和(SSD)来衡量，SSD值越小则相似性越高。 如果像素位于平滑图像区域内，周围的patch都会非常相似。SSD会很小。 如果像素在边缘上，则周围的patch在与边缘正交的方向上会有很大差异，在与边缘平行的方向上则较为相似。某一个方向SS...
2022-04-29 17:40:44
1912
原创 基于灰度的图像匹配算法
基于灰度的匹配算法又称为基于模板的匹配算法，子图与模板图对应位置上灰度值计算得出一个值，这个值可以是对应像素相减绝对值的加和（即SAD算法），也可以将计算出的和除以模板像素个数，即（MAD算法），其它基于灰度的图像匹配算法均基于此思想，只不过所计算的值不同。以下将逐个进行介绍。SAD算法参考图模板图SAD算法即模板与参考图对应像素相减的绝对值求和，然后在依次滑动模板遍历每个位置，得到（P-M）行，（Q-N）列的矩阵，其中值最小的位置即说明模板与参考图相似度最高
2022-03-26 16:38:54
11081
转载 Harris
Harris算子，用于检测特征点特征值都比较大时，即窗口中含有角点特征值一个较大，一个较小，窗口中含有边缘特征值都比较小，窗口处在平坦区域
2022-03-02 16:15:28
164
原创 图像处理-梯度
首先，看数学方面：百度百科的定义是：梯度的本意是一个向量（矢量），表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（此梯度的方向）变化最快，变化率最大（为该梯度的模）。而数字图像是由离散的像素构成的，因此图像的梯度不可能用求导的方式求得，因而 x方向的梯度用gx=f（x+1）-f（x）来代替，同理gy=f（y+1）-f（y）。至于为什么可以这样替代，根本原因还是求导的本质，求导的本质是[f（x+)-f（x)]/。然而是针对连续实数而言的，在图像中最小的单位就是1个像素
2022-03-02 15:55:41
3497
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人