深度学习
关注
分享
扫一扫
文章平均质量分 74
苏源流
从事计算机视觉和SLAM领域，2012年10月“全国大学生数学建模竞赛”二等奖（数学应用能），2011年攻读 自动化 专业，2015年攻读“模式识别与智能系统” 专业。现在主要工作内容无人驾驶方面的视觉定位与导航，能够提供整体的地下车库自动泊车定位解决方案，该方案也适用于工业园区泊车，物流机器人，园区巡视机器人，餐饮配送、服务机器人等。本人熟悉linux下ROS环境，掌握opencv中2/3的功能，掌握视觉SLAM中ORB_SLAM2，激光lidar的loam。熟悉摄像机，激光雷达，惯导IMU等传感器的使用与开发。主导和参与多个定位项目，欢迎交流。致力于推进技术的应用，技术改变生活。不做无脑人
展开
-
[深度学习]CenterNet/CenterTrack学习笔记
HRNet / HigherHRNet-Human-Pose-Estimation https://github.com/HRNet/HigherHRNet-Human-Pose-Estimation 三项任务[应用] Main resultsObject Detection on COCO validationBackbone AP / FPS Flip AP / FPS Multi-scale AP / FPS Hourglass-104...原创 2020-12-09 17:45:54 · 2305 阅读 · 0 评论 -
[深度学习]单目视频中运动3D目标检测_单目深度估计(5)
基于视频（不使用激光雷达）的3D目标检测，利用视频中目标的运动信息，性能达到SOTA。Kinematic3DObject Detection in Monocular Video作者 |Garrick Brazil, Gerard Pons-Moll, Xiaoming Liu, Bernt Schiele单位 |密歇根州立大学；萨尔大学论文 |https://arxiv.org/abs/2007.09548代码 |https://github.com/garrickbrazil/...翻译 2020-12-09 17:44:08 · 885 阅读 · 0 评论 -
[深度学习]MonoDepth2实践笔记_单目深度估计(3)
预测testdepth --> encode,decode # PREDICTION input_image = input_image.to(device) features = encoder(input_image) outputs = depth_decoder(features) disp = outputs[("disp", 0)] dis原创 2020-08-17 15:16:23 · 1601 阅读 · 0 评论 -
[深度学习]MonoDepth2实践笔记_单目深度估计(2)
monodepth2模型的测试系列双目/单目+雷达==训练https://me.youkuaiyun.com/ltshan139https://blog.youkuaiyun.com/avideointerfaces/article/details/105647031 基于无监督和自监督的深度学习算法模型有好几种，未来也会越来越多。我们这里主要介绍monodepth2。它是自监督；而它的前身monodepth是无监督。个人觉得自监督和无监督本质差...原创 2020-08-06 14:26:21 · 6307 阅读 · 9 评论 -
[深度学习]MonoDepth2论文阅读_单目深度估计(1)
文章标题：Digging Into Self-Supervised Monocular Depth Estimation 摘要： 逐像素的真实尺度深度数据的大量获取，是具有挑战性的任务。为了克服这个限制，自监督学习已经成为一个有希望的替代训练模型，用来执行单目深度估计。本文中，我们提出了一系列的改进手段，用来提升自监督深度学习深度估计方法的精度。 自监督单目模型训练的研究，通常是探究越来越复杂的结构、损失函数和图像形成模型，而所有这些都有助于缩小与全监督方法的差距。我们...转载 2020-07-30 14:42:46 · 13085 阅读 · 5 评论 -
Caffe深度学习入门——配置caffe-SSD详细步骤
介绍 https://github.com/weiliu89/caffe/tree/ssdSSD是使用单个网络进行对象检测的统一框架。 您可以使用该代码来训练/评估网络以进行对象检测任务。 有关详细信息，请参阅我们的arXiv论文和幻灯片 。系统 VOC2007测试mAP FPS （Titan X） 箱数 输入分辨率 更快的R-CNN（VGG16） ...转载 2018-09-27 10:40:02 · 8136 阅读 · 1 评论 -
奇异值分解与特征值分解详解
原地址: https://blog.youkuaiyun.com/MyArrow/article/details/537809721.1 应用领域最优化问题：最小二乘问题 (求取最小二乘解的方法一般使用SVD) 统计分析：信号与图像处理 求解线性方程组：Ax=0或Ax=b 奇异值分解：可以降维，同时可以降低数据存储需求1.2 矩阵是什么矩阵是什么取决于应用场景 矩阵可以是： 只是一堆...转载 2018-09-26 10:58:50 · 2024 阅读 · 0 评论 -
Caffe的draw_net的使用：draw_net.py绘制caffe net结构
1、安装pydot$ sudo apt-get install python-pydot2、安装graphviz$ sudo apt-get install graphviz3、生成python draw_net.py ../examples/cifar10/cifar10_quick_train_test.prototxt cifa10.png/home/u...转载 2018-08-11 18:33:47 · 647 阅读 · 0 评论 -
Caffe上用SSD训练和测试自己的数据
我的根目录$caffe_root为/home/gpu/ljy/caffe 一、运行SSD示例代码 1.到https://github.com/weiliu89/caffe.git下载caffe-ssd代码，是一个caffe文件夹 2.参考已经配好的caffe目录下的makefile.config修改￥caffe_root下的makefile.config. 3...转载 2018-09-27 14:18:08 · 2661 阅读 · 0 评论 -
矩阵的奇异值与特征值,SVD分解与特征值分解区别与联系(正定、超定、欠定矩阵)
正定、超定、欠定矩阵正定定义方程个数等于未知量个数的方程组。广义定义设M是n阶方阵，如果对任何非零向量z，都有 z′Mz>0，其中z’ 表示z的转置，就称M正定矩阵。[1]例如：B为n阶矩阵，E为单位矩阵，a为正实数。aE+B在a充分大时，aE+B为正定矩阵。（B必须为对称阵）。狭义定义一个n阶的实对称矩阵M是正定的当且仅当对于所有的非零实系数向量z，都有z′Mz&...原创 2019-12-03 19:35:49 · 6001 阅读 · 0 评论 -
ICNet模型介绍 与论文解读
ICNet模型介绍Semantic Segmentation--ICNet for Real-Time Semantic Segmentation on High-Resolution Images论文解读原Semantic Segmentation--ICNet for Real-Time Semantic Segmentation on High-R...转载 2019-04-29 17:05:58 · 11024 阅读 · 2 评论 -
[深度学习之CNN] 卷积神经网络(CNN)基础介绍
卷积神经网络(CNN)基础介绍 来源于 http://blog.youkuaiyun.com/fengbingchun/article/details/50529500 本文是对卷积神经网络的基础进行介绍，主要内容包括卷积神经网络概念、卷积神经网络结构、卷积神经网络求解、卷积神经网络LeNet-5结构分析、卷积神经网络注意事项。一、卷积神经网络概念上世纪60年转载 2017-08-12 23:04:19 · 7064 阅读 · 0 评论 -
[深度学习之CNN] 【卷积神经网络-进化史】从LeNet到AlexNet
标题: 【卷积神经网络-进化史】从LeNet到AlexNet【卷积神经网络-进化史】从LeNet到AlexNet本博客是【卷积神经网络-进化史】的第一部分《从LeNet到AlexNet》如需转载，请附上本文链接：http://blog.youkuaiyun.com/cyh_24/article/details/51440344更多相关博客请猛戳：http://blog.youkuaiyun.com/c转载 2017-08-12 23:08:30 · 1700 阅读 · 0 评论 -
[深度学习之CNN] CNN的发展史 之LeNet、AlexNet、GoogLeNet、VGG、ResNet
标签: Deep Learning, 回顾, CNN, LeNet, AlexNet, GoogLeNet, VGG, ResNetCNN的发展史 上一篇回顾讲的是2006年Hinton他们的Science Paper，当时提到，2006年虽然Deep Learning的概念被提出来了，但是学术界的大家还是表示不服。当时有流传的段子是Hinton的学生在台上讲paper时，台下的机器学习转载 2017-08-12 23:16:39 · 4552 阅读 · 0 评论 -
[深度学习之CNN] 之参考博客链接汇总(更新中)
1 理论篇 （1）卷积神经网络(CNN)基础介绍http://blog.youkuaiyun.com/fengbingchun/article/details/50529500（2）卷积神经网络-进化史】从LeNet到AlexNethttp://f.dataguru.cn/forum.php?mod=viewthread&action=printable&tid=72919原创 2017-08-12 23:41:27 · 465 阅读 · 0 评论 -
[深度学习之CNN]CNN卷积神经网络LeNet-5
转载于http://blog.sina.com.cn/s/blog_4a1853330102v0mt.html 点击打开链接 在转载基础上添加些内容 卷积神经网络是人工神经网络的一种，已成为当前语音分析和图像识别领域的研究热点。它的权值共享网络结构使之更类似于生物神经网络，降低了网络模型的复杂度，减少了权值的数量。该优点在网络的输入是多维图像时表现的更为明显，使转载 2017-11-13 20:51:31 · 1787 阅读 · 0 评论 -
《深度学习--Caffe之经典模型详解与实战》pyhon编写手写字识别脚本-1(jetson TX2)
import osimport sysimport numpy as npimport matplotlib.pyhon as pltcaffe_root ='/home/alex/caffe-master/'sys.path.insert(0,caffe_root+'python')import caffe-masterMODEL_FILE='/home/alex/caffe-ma原创 2018-01-14 19:40:42 · 1855 阅读 · 0 评论 -
【图像标注】NLP+VS︱深度学习数据集标注工具、图像语料数据库、实验室搜索ing
因为不太会使用opencv、matlab工具，所以在找一些比较简单的工具。 . .一、NLP标注工具BRATBRAT是一个基于web的文本标注工具，主要用于对文本的结构化标注，用BRAT生成的标注结果能够把无结构化的原始文本结构化，供计算机处理。利用该工具可以方便的获得各项NLP任务需要的标注语料。以下是利用该工具进行命名实体识别任务的标注例子。 WeTest舆情团队在原创 2018-01-19 23:06:17 · 7971 阅读 · 0 评论 -
【深度学习】（Caffe）目录结构
http://blog.youkuaiyun.com/mounty_fsc/article/details/51034732目录结构caffe文件夹下主要文件： data 用于存放下载的训练数据docs 帮助文档example 一些代码样例matlab MATLAB接口文件python Python接口文件model 一些配置好的模型参数scripts 一些文档和数据用到的脚本下面转载 2018-01-20 20:29:07 · 669 阅读 · 0 评论 -
【深度学习】使用caffeNet训练自己的数据集（caffe框架）
主要参考：官方网址：http://caffe.berkeleyvision.org/gathered/examples/imagenet.html数据集及第一部分参考网址：http://www.lxway.com/4010652262.htm主要步骤：1. 准备数据集2. 标记数据集3. 创建lmdb格式的数据4. 计算均值5. 设置网络及求解器6. 运行求解由于imagenet的数据集太大，博主...转载 2018-04-17 10:28:28 · 3898 阅读 · 0 评论 -
[深度学习之caffe配置] ubuntu下配置caffe框架
平台环境配置--笔记本电脑+双系统的ubuntu16.04+显卡英伟达M740参考网站（1）ubuntu16.04+gtx1060+cuda8.0+caffe安装、测试经历http://blog.youkuaiyun.com/WoPawn/article/details/52302164（2）Ubuntu16:cmake生成Makefile编译caffe过程(OpenBLAS/CPU+GPU)...原创 2017-08-13 00:22:59 · 1788 阅读 · 0 评论