- 博客(15)
- 收藏
- 关注
RSS订阅原创 【深度学习基础】通俗地解释特征值和特征向量
答案是肯定的，由于在这个映射的过程中，我们只对坐标系进行了垂直方向的拉伸，那么水平方向的向量和垂直方向的向量他们的方向都不会发生改变，而只是在长度上可能发生了一些改变，而这两个方向其实就是。我们都知道一个单位矩阵乘上任意一个向量，向量的值都不会发生改变，这是因为单位矩阵表示的是一个坐标系到笛卡尔坐标系的映射，而这个向量已经在笛卡尔坐标系了，所以结果保持不变。也就是说向量x在一个向量空间到另一个向量空间的映射过程中，他的方向并没有发生改变， A矩阵对x只起到了伸缩作用，伸缩的比例就是。
2024-10-28 22:13:25
1133
原创 加法器法固定优先级仲裁器
在进行减法操作时，如果请求信号的所有位都是0（即没有任何请求），那么加上1后，结果不会出现负数或不正确的状态。而取反的步骤中，所有的位都发生了一次改变，那就是说减一的步骤改变的1位（或2位）发生了两次改变，而其他的位都只发生了一次改变。信号时，只会使用右侧信号的低4位，因此，虽然存在位宽不匹配的情况，但Verilog会自动处理并确保赋值的正确性。而在减一的步骤中，它的目的是为了找到请求信号中最低位的1（即优先级最高的请求）。请求的是最低位，那么说明它原来就为1，最后也就只剩它还为1，即。
2024-09-20 22:24:20
291
原创 图像拼接论文总结
https://sumptuous-gong-c4b.notion.site/0b940c258181486d82e29b041635575b?v=b227cc13572245cab30dc802850eb0b3&pvs=74
2024-09-18 22:18:09
167
原创 Block Memory Generator配置（懒人版）
这里插入图片描述](https://i-blog.csdnimg.cn/direct/19ba0ded05fa4b4da601cf2ae8862c2b.png)③ECC（Error Correction Code）选项用于提供错误检测和纠正功能，以提高存储器的可靠性。选择合适的ECC选项取决于应用的可靠性需求和对错误处理的要求。
2024-09-18 15:29:14
1232
原创 ZYNQ7010系统架构图分析（懒人版）
Zynq-7010 是 Xilinx 的一款片上系统（SoC），集成了 ARM Cortex-A9 处理器和可编程逻辑（PL）。
2024-09-17 03:26:33
2181
原创 Vitis修改代码字体方法
在首选项窗口的左侧面板中，展开 General，然后展开 Appearance，选择 Colors and Fonts。在 Vitis IDE 中，点击菜单栏的 Window，然后选择 Preferences，打开首选项窗口。回到 Preferences 窗口，点击 Apply 或 Apply and Close 按钮，应用更改。选择你想要的字体（例如 Consolas），字形（例如 常规），和大小（例如 18）。在字体选择窗口中，你可以选择不同的字体、字形和大小。选择好字体后，点击 确定 按钮。
2024-09-17 01:42:37
1760
原创 AXI4-Stream to Video Out模块配置（懒人版）
AXI4-Stream to Video Out（AXIS-Stream到视频输出）是一种IP核，用于将AXI4-Stream格式的视频数据转换为标准的视频输出格式。它主要用于视频处理系统中，能够接收来自不同源（如摄像头或视频处理单元）的数据流，并将其输出为可显示的图像或视频信号。该IP核支持多种视频格式和分辨率，广泛应用于图像处理、视频监控和实时视频传输等领域。
2024-09-16 23:29:24
833
原创 AXI VDMA（AXI Video Direct Memory Access）解析（懒人版）
VDMA通过AXI-Stream接收上游的数据流，将数据流用AXI-Memory Map存储到内存（帧缓冲区），需要时读出通过AXI-Stream把数据转化为数据流输出到下游设备。VDMA的主要作用是在内存和数据流设备之间进行数据传输，并在 AXI Memory-Mapped 接口和 AXI-Stream接口之间进行数据格式转换。简单来说，VDMA和上下游设备的通信是通过AXI-Stream。VDMA和内存之间的通信通过AXI-Memory Map进行。
2024-09-14 21:30:10
2348
原创 Vivado VTC(video-timing-controller)模块配置（懒人版）
VTC（Video Timing Controller）模块
2024-09-14 16:00:28
603
原创 【论文笔记】基于双特征翘曲的运动模型估计
尽管最近的基于外观的线段描述符（如MSLD[26]、LBD[30]）在存在旋转、噪声和光照变化的情况下能够产生令人满意的匹配结果，但它们无法处理大尺度或透视变换（图。线段的端点参数化相对于先前的表示具有三个优点：1) 点到线的距离在几何上有意义，与点到点的欧几里得距离具有一致的度量；主要原因是该描述符在源图像和目标图像中的每条线周围采样一个固定宽度的矩形区域（称为线支持区域，LSR），使其对尺度敏感。一旦确定了线段描述符的LSR，我们使用MSLD将线段的外观编码成描述符向量，然后进行常规的特征匹配过程。
2023-12-05 16:07:35
898
原创 【论文笔记】A view-free image stitching network based on global homography
估计不同视角的两个输入图像之间的全局单应性矩阵全局单应性矩阵通过结构拼接层，得到粗拼接结果再通过内容修正网络来消除鬼影，并对拼接结果的内容进行细化还提出了一种生成用于网络训练的合成数据集的方法。实验结果表明，与传统方法相比，该方法几乎可以100%消除重叠区域的伪影，而非重叠区域的轻微畸变是可以接受的。此外，该方法是view-free 和鲁棒的，尤其适用于特征点难以检测的场景。提出了一种view-free图像拼接网络。
2023-06-19 20:58:18
351
2
原创 Jupyter notebook 快捷键
对当前行或选中区域注释/取消注释。执行并跳转到下一个cell。在光标处分割当前cell。变为markdown格式。执行并创建一个cell。
2023-06-01 15:43:19
674
原创 【论文笔记】用于图像拼接的基于深度学习的图像矩形化算法
图像拼接矩形化的目的是解决图像拼接后产生不规则边界的问题。现有的图像拼接矩形化方法通常分为两个阶段：第一个阶段是搜索一个初始网格，也就是在拼接图像上放置一个规则的网格，用来描述图像上每个点的位置；第二个阶段是优化一个目标网格，也就是在初始网格的基础上进行一些变形，使得网格边缘尽可能地与矩形边界对齐。然后，通过将拼接图像从初始网格变换到目标网格，就可以得到矩形图像。这个过程叫做网格变形或网格扭曲。
2023-05-24 17:28:35
5257
5
原创 【论文笔记】无监督图像拼接
传统的基于特征的图像拼接技术严重依赖于特征检测质量，往往无法拼接特征少或分辨率低的图像。由于缺乏标记数据，基于学习的图像拼接解决方案很少被研究，使得监督方法不可靠。无监督粗图像对齐和无监督图像重建。在第一阶段，我们设计了一个基于消融的损失来约束一个更适合大型基线场景的无监督单应性网络。此外，在拼接域空间中引入一个空间变换层对输入图像进行翘曲处理。在第二阶段，基于像素级的图像错位可以在特征级上得到一定程度的消除，我们设计了一个无监督图像重建网络来消除从特征到像素的伪影。
2023-05-19 16:26:59
2375
2
原创 【论文笔记】像素级别的无监督学习
论文地址：http://arxiv.org/abs/2011.10043代码：https://github.com/zdaxie/PixPro。
2023-05-19 12:47:33
379
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人