<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[sanyiji的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/sanyiji</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; sanyiji]]></copyright><item><title><![CDATA[智能车大赛ROS仿真和基于yolo识别物体（仿真实现2019年室外光电创意组比赛)]]></title><link>https://blog.youkuaiyun.com/sanyiji/article/details/107078691</link><guid>https://blog.youkuaiyun.com/sanyiji/article/details/107078691</guid><author>sanyiji</author><pubDate>Tue, 07 Jul 2020 23:04:38 +0800</pubDate><description><![CDATA[目录一、准备工作1、创建racecar_ws和src文件夹2、初始化工作空间3、克隆程序并编译二、开始仿真1、建立地图2、启动仿真三、开始导航1、启动导航和环境地图2、启动rviz3、选择2D Nav Goal发布目标4、启动python文件进行导航四、总结
一、准备工作
首先你得有一个ros的工作空间，如果没有就创建一个工作空间，步骤如下
1、创建racecar_ws和src文件夹
mkdir -p ~/racecar_ws/src


src文件下以后可以存放我们所有的资源,mkdir命令用于创建文件夹]]></description><category></category></item><item><title><![CDATA[yolov4的Pytorch（cpu版）识别物体]]></title><link>https://blog.youkuaiyun.com/sanyiji/article/details/107171398</link><guid>https://blog.youkuaiyun.com/sanyiji/article/details/107171398</guid><author>sanyiji</author><pubDate>Tue, 07 Jul 2020 11:53:50 +0800</pubDate><description><![CDATA[目录一、准备文件1、pytorch-YOLOv4代码下载2、权重（weights）模型下载2、下载pytorch二、测试
一、准备文件
1、pytorch-YOLOv4代码下载
https://github.com/Tianxiaomo/pytorch-YOLOv4
2、权重（weights）模型下载
通过如下百度网盘链接进行权重文件下载，下载链接如下：（提取码：g0ju）
https://pan.baidu.com/s/1ZNK7FbqC2TlVKukQFqGYSw
或者谷歌云盘下载
https://dr]]></description><category></category></item><item><title><![CDATA[深度学习之笑脸及口罩数据集的分类预测实验实验（仿猫狗数据集训练方法）]]></title><link>https://blog.youkuaiyun.com/sanyiji/article/details/106657594</link><guid>https://blog.youkuaiyun.com/sanyiji/article/details/106657594</guid><author>sanyiji</author><pubDate>Fri, 03 Jul 2020 14:24:06 +0800</pubDate><description><![CDATA[参考Python深度学习第5章第2节中的代码示例
目录在小数据集上训练ConvNet深度学习与小数据问题的相关性数据集下载代码实现上述操作建立我们的关系网数据预处理使用数据增强
在小数据集上训练ConvNet
我们从零开始在小数据集上训练Convnet。
仅使用很少的数据来训练图像分类模型是一种常见的情况，如果你曾经在专业环境中做过计算机视觉，你可能会在实践中遇到这种情况。
拥有“少量”样本可能意味着从数百到数万张图像。作为一个实际的例子，我们将在包含4000张猫和狗的图片(2000只猫，2000只狗)的数]]></description><category></category></item><item><title><![CDATA[Anaconda环境下安装dlib模块（超简便）]]></title><link>https://blog.youkuaiyun.com/sanyiji/article/details/106794272</link><guid>https://blog.youkuaiyun.com/sanyiji/article/details/106794272</guid><author>sanyiji</author><pubDate>Tue, 16 Jun 2020 20:07:54 +0800</pubDate><description><![CDATA[之前按照python3.7添加dlib模块这个链接在双击运行bootstrap.bat批处理文件这一步的时候会报错，cl命令不是内部或外部命令。查阅资料后发现是没有下载vs的问题。于是自己在网上找了一些教程，因为自己经常用Anaconda，所以选择在Anaconda下安装dlib模块。
目录一、下载vs二、安装dlib库三、验证
一、下载vs
如果已经安装好了vs，可以直接进行第二步。
Visual Studio 2017 （VS2017）安装、配置和使用
按照上面这个教程就可以成功的安装visual st]]></description><category></category></item><item><title><![CDATA[SVM算法编程练习]]></title><link>https://blog.youkuaiyun.com/sanyiji/article/details/106312333</link><guid>https://blog.youkuaiyun.com/sanyiji/article/details/106312333</guid><author>sanyiji</author><pubDate>Sun, 24 May 2020 12:31:24 +0800</pubDate><description><![CDATA[这里写目录标题什么是支持向量机如何找到超平面分割超平面
什么是支持向量机
对于线性可分两类数据，支持向量机就是条直线(对于高维数据点就是一个超平面), 两类数据点中的的分割线有无数条，SVM就是这无数条中最完美的一条，怎么样才算最完美呢？就是这条线距离两类数据点越远，则当有新的数据点的时候我们使用这条线将其分类的结果也就越可信。例如下图中的三条直线都可以将A中的数据分类，那条可以有最优的分类能力呢？

我们需要线找到数据点中距离分割超平面距离最近的点(找最小)
然后尽量使得距离超平面最近的点的距离的绝对值尽]]></description><category></category></item><item><title><![CDATA[线性分类器理论基础、Fisher判别算法、Iris数据集实战]]></title><link>https://blog.youkuaiyun.com/sanyiji/article/details/105859349</link><guid>https://blog.youkuaiyun.com/sanyiji/article/details/105859349</guid><author>sanyiji</author><pubDate>Tue, 05 May 2020 00:59:26 +0800</pubDate><description><![CDATA[目录一、Fisher判别1.算法描述2.python代码实现算法二、类间散度矩阵和类内散度矩阵1.类内散度矩阵2.类间散度矩阵3.总体散度矩阵
一、Fisher判别
1.算法描述
Fisher线性判别分析的基本思想：选择一个投影方向（线性变换，线性组合），将高维问题降低到一维问题来解决，同时变换后的一维数据满足每一类内部的样本尽可能聚集在一起，不同类的样本相隔尽可能地远。
Fisher线性判别分析...]]></description><category></category></item><item><title><![CDATA[理解和实践SIFT特征提取与匹配和使用opencv生成全景图片]]></title><link>https://blog.youkuaiyun.com/sanyiji/article/details/105837455</link><guid>https://blog.youkuaiyun.com/sanyiji/article/details/105837455</guid><author>sanyiji</author><pubDate>Wed, 29 Apr 2020 12:58:49 +0800</pubDate><description><![CDATA[目录一、SIFT特征提取与匹配1.Sift算法的步骤2.Sift算法的描述3.代码实现Sift算法二、利用opencv的相关函数完成一幅全景图片的制作1.全景图片实现过程2.使用opencv运行程序
一、SIFT特征提取与匹配
1.Sift算法的步骤
Sift（Scale Invariant Feature Transform）是一个很好的图像匹配算法，
同时能处理亮度、平移、旋转、尺度的变化，利...]]></description><category></category></item><item><title><![CDATA[机器学习之分类算法，mnist手写体识别的python实战（一）]]></title><link>https://blog.youkuaiyun.com/sanyiji/article/details/105726823</link><guid>https://blog.youkuaiyun.com/sanyiji/article/details/105726823</guid><author>sanyiji</author><pubDate>Sun, 26 Apr 2020 15:32:36 +0800</pubDate><description><![CDATA[今天我们来学习机器学习之分类算法，MNIST手写体识别的python实战。
目录一、MNIST数据集二、python代码实战1.查看MNIST数据2.分类算法2.1训练一个二分类器2.2评估分类器使用交叉验证测量精度混淆矩阵精度和召回率精度和召回率权衡ROC曲线
一、MNIST数据集
首先来介绍一下什么是MNIST。
这是一组由美国高中生和人口调查局员工手写的70000个数字的图片。每张图像都用其...]]></description><category></category></item><item><title><![CDATA[凸优化基础之计算几何、凸集、凸函数、凸规划]]></title><link>https://blog.youkuaiyun.com/sanyiji/article/details/105664612</link><guid>https://blog.youkuaiyun.com/sanyiji/article/details/105664612</guid><author>sanyiji</author><pubDate>Tue, 21 Apr 2020 18:23:23 +0800</pubDate><description><![CDATA[目录一、计算几何1.什么是计算几何2.计算几何理论中过两点的一条直线的表达式，是如何描述的？二、凸集1.什么是凸集2.如何表达三维空间中的一个平面3.如何表达超平面4.什么是凸函数及如何判别5.什么是凸规划及如何判别
一、计算几何
1.什么是计算几何
计算几何是计算机理论科学的一个重要分支.自20世纪70年代末从算法设计与分析中独立出来起，不到30年，该学科已经有了巨大的发展，不仅产生了一系列重要...]]></description><category></category></item><item><title><![CDATA[线性规划的大M法和非线性规划的拉格朗日乘子法]]></title><link>https://blog.youkuaiyun.com/sanyiji/article/details/105615008</link><guid>https://blog.youkuaiyun.com/sanyiji/article/details/105615008</guid><author>sanyiji</author><pubDate>Sun, 19 Apr 2020 14:27:28 +0800</pubDate><description><![CDATA[目录一 、线性规划1.大M法1.1 单纯形法1.2 大M法1.3用Excel演示大M法1.4用python实现大M法求解1.5 比较Excel手推，Excel自带包，python自带库，不使用python自带库四者大M法求解结果。二、非线性规划1. 拉格朗日乘子法和KKT条件2.拉格朗日乘子法计算方法3.python求解拉格朗日乘子法
一 、线性规划
什么是线性规划呢？
线性规划是运筹学的重要分支...]]></description><category></category></item><item><title><![CDATA[Ubuntu16.04 OpenCv 和ORB_SLAM2 的安装与运行]]></title><link>https://blog.youkuaiyun.com/sanyiji/article/details/105591536</link><guid>https://blog.youkuaiyun.com/sanyiji/article/details/105591536</guid><author>sanyiji</author><pubDate>Sat, 18 Apr 2020 00:14:34 +0800</pubDate><description><![CDATA[目录一、安装所要用到的工具1.安装git2.安装gcc，g++3.安装cmake二、安装Pangolin1.安装依赖项2.从Github将项目下载到本地3.编译安装安装Opencv1.安装依赖项2.下载OpenCv3.编译安装安装Eigen3安装ORB_SLAM21.克隆仓库2.编译ORB-SLAM2，第三方库中的DBoW2和g2o，并解压ORB词典运行单目实例1.克隆仓库2.执行命令3.运行效果...]]></description><category></category></item><item><title><![CDATA[大数据技术原理与应用 实验二HDFS文件系统操作与编程 基于java的HDFS文件操作（扩展实验2）]]></title><link>https://blog.youkuaiyun.com/sanyiji/article/details/105353948</link><guid>https://blog.youkuaiyun.com/sanyiji/article/details/105353948</guid><author>sanyiji</author><pubDate>Mon, 06 Apr 2020 23:01:11 +0800</pubDate><description><![CDATA[(1)编程实现一个类“MyFSDataInputStream”，该类继承“org.apache.hadoop.fs.FSDataInputStream”，要求如下：实现按行读取HDFS中指定文件的方法“readLine()”，如果读到文件末尾，则返回空，否则返回文件一行的文本。
记得启动hadoop
代码如下：
import org.apache.hadoop.conf.Configuration...]]></description><category></category></item><item><title><![CDATA[ROS机器人SLAM学习：Gazebo定位与导航自主仿真]]></title><link>https://blog.youkuaiyun.com/sanyiji/article/details/105327092</link><guid>https://blog.youkuaiyun.com/sanyiji/article/details/105327092</guid><author>sanyiji</author><pubDate>Sun, 05 Apr 2020 14:57:39 +0800</pubDate><description><![CDATA[1）在gazebo中构建一个用于建图和导航的虚拟环境，可以使用Building Editor工具创建，也可以使用其他功能包中已有的虚拟环境；将前面作业完成的带传感器的移动机器人（小车）模型放置到虚拟环境中，使用gmapping 和 hector_slam功能包实现SLAM仿真，并将简历完成的地图保存到功能包的maps文件夹中，随作业一同提交。
①　首先使用gmapping将要执行的launch文件...]]></description><category></category></item><item><title><![CDATA[解决gazebo保存地图时没有map_server包]]></title><link>https://blog.youkuaiyun.com/sanyiji/article/details/105314400</link><guid>https://blog.youkuaiyun.com/sanyiji/article/details/105314400</guid><author>sanyiji</author><pubDate>Sat, 04 Apr 2020 18:22:35 +0800</pubDate><description><![CDATA[在做ROS用gazebo使用gmapping包实现SLAM仿真，并将完成的地图保存的时候会出现
Error：package ‘map_server’ not found

这样的错误。
这时候只需要通过一句简单的命令安装即可
sudo apt-get install ros-kinetic-map-server

安装完成后就可以保存地图啦。

...]]></description><category></category></item><item><title><![CDATA[大数据技术原理与应用 实验二HDFS文件系统操作与编程 基于java的HDFS文件操作]]></title><link>https://blog.youkuaiyun.com/sanyiji/article/details/105313854</link><guid>https://blog.youkuaiyun.com/sanyiji/article/details/105313854</guid><author>sanyiji</author><pubDate>Sat, 04 Apr 2020 18:15:10 +0800</pubDate><description><![CDATA[首先在eclipse中创建一个项目，创建项目后添加jar包，这里要注意了。如果你的hadoop是2.x的，添加以下jar包即可
（1）”/usr/local/hadoop/share/hadoop/common”目录下的hadoop-common-2.7.1.jar和haoop-nfs-2.7.1.jar；
（2）/usr/local/hadoop/share/hadoop/common/lib”...]]></description><category></category></item><item><title><![CDATA[梯度下降算法和牛顿算法原理以及使用python用梯度下降和最小二乘算法求回归系数]]></title><link>https://blog.youkuaiyun.com/sanyiji/article/details/105313447</link><guid>https://blog.youkuaiyun.com/sanyiji/article/details/105313447</guid><author>sanyiji</author><pubDate>Sat, 04 Apr 2020 17:40:35 +0800</pubDate><description><![CDATA[最优化问题在机器学习中有非常重要的地位，很多机器学习算法最后都归结为求解最优化问题。在各种最优化算法中，梯度下降法是最简单、最常见的一种，在深度学习的训练中被广为使用。
首先我们来探讨一下最优化问题

最优化问题是求解函数极值的问题，包括极大值和极小值。在初中时我们就学会了求解二次函数的极值（抛物线的顶点），高中时学习了幂函数，指数函数，对数函数，三角函数，反三角函数等各种类型的函数，求函数极值的...]]></description><category></category></item><item><title><![CDATA[Ubuntu16.04 ROS kinetic 版本的rivz教程和rviz读入播放bag类型文件]]></title><link>https://blog.youkuaiyun.com/sanyiji/article/details/104859036</link><guid>https://blog.youkuaiyun.com/sanyiji/article/details/104859036</guid><author>sanyiji</author><pubDate>Sat, 14 Mar 2020 14:18:03 +0800</pubDate><description><![CDATA[首先开始下载arbotix。因为arbotix_ros没有kinetic版本，所以需要从github上面克隆。通过以下命令
git clone https://github.com/vanadiumlabs/arbotix_ros.git


本来是需要在catkin_ws/src目录下使用这个命令，但是我这里忘记了，不过没关系，下载完成后把这个文件夹移动到catkin_ws/src目录即可，你们...]]></description><category></category></item><item><title><![CDATA[创建一个工作空间和功能包，并使用launch文件启动涉及的节点。 通过代码新生一只海龟，放置在（5,5）点，命名为“turtle2”；通过代码订阅turtle2的位置并实时打印]]></title><link>https://blog.youkuaiyun.com/sanyiji/article/details/104715216</link><guid>https://blog.youkuaiyun.com/sanyiji/article/details/104715216</guid><author>sanyiji</author><pubDate>Sat, 07 Mar 2020 15:28:09 +0800</pubDate><description><![CDATA[1）创建一个工作空间和功能包，然后在功能包中完成如下工作，并使用launch文件启动涉及的节点。
创建一个工作区
工作区可以作为一个独立的项目进行编译，存放ROS程序的源文件、编译文件和执行文件。建立工作区的方法如图：

编译工作区

在bash中注册工作区
验证是否已经在bash中注册使用echo $ROS_PACKAGE_PATH，如果出现文件路径，则表示已经成功

创建一个工程包
切换到工作...]]></description><category></category></item></channel></rss>