自己的学习笔记

对网上查阅到的关于IR评价指标的信息做了一个简单汇总。 整理自： 有一篇比较全的综述 信息检索的评价指标 多标签图像分类任务的评价方法-mAP 信息检索（IR）的评价指标介绍 - 准确率、召回率、F1、mAP、ROC、AUC Learning to Rank for IR的评价指标—MAP,NDCG,MRR 信息检索的评价指标(Precision, Recall, F-score, M

论文摘要本文主要面向使用单幅图像进行人脸对齐的问题。我们展示了如何利用级联回归树，从像素强度（像素灰度值）的稀疏子集中估计人脸关键点的位置，并且取得了很好的预测效果以及完全可实时应用的性能。我们提出了一个基于gradient boosting学习级联回归树，优化平方误差loss，并且能够处理标注不全数据的方法。我们展示了如何使用合适的先验来利用图像数据的结构帮助高效的特征选择。我们同样调研了不...

图片来源于网络 人脸对齐基本流程1. 人脸预处理识别：输入图像-》人脸检测-》人脸框图片 归一化：scaling+lighting+enlarging(数据增广）-》归一化后的脸部图像2.shape的初始化1）mean shape 取平均 2）随机采样 randomly sampled shape 3)multiple randomly sampled shape...

注：使用的代码为https://github.com/lincolnhard/head-pose-estimation代码，略做了修改。#include <iostream>#include <dirent.h>#include <chrono>#include &

原题目链接 https://www.quora.com/How-important-is-deep-learning-in-autonomous-driving#答案1Deep learning (DL) is a very interesting technology indeed and yes it does solve perception really well however

课程视频/课件资源MIT Deep Learning for Self-Driving Cars 课件和视频链接 链接: https://pan.baidu.com/s/1i5iZ1JJ 密码: 7bks 课件已看完，Mark。Stanford CS231n 斯坦福CS231n课程，视频B站上有，看过16年课程的翻译版，额，还是看生肉吧，可以猜～伯克利的机器学习“速成”课程MIT

知乎专栏智能单元的学习笔记，仅为自己学习所用，侵删。从OpenAI看深度学习研究前沿OpenAI的三个主要研究方向 1. 深度生成模型 Deep Generative Model 通过学习现有的数据生成新的数据。 相关研究： 1）otoro.net 学习文字自动生成新的文字 2）Deep Dream Neural Art 画风迁移 3

查阅了一些资料，整理了关于语义SLAM的几篇论文。

整理了部分近两年深度学习结合SLAM的一些研究成果（参考知乎帖子https://www.zhihu.com/question/66006923 和泡泡机器人公众号，附上论文链接和已找到的源代码/数据集链接，大多简单看了一下摘要。仅为自己学习所用，确实翻译得很烂…………1. 深度学习跟SLAM的结合点深度学习和slam的结合是近几年比较热的一个研究方向，具体的研究方向，我简单分为三块，如下。1.1 深

图像分类 Image ClassificationThe task of object classification requires binary labels indicating whether objects are present in an image.[1] 图像分类，该任务需要我们对出现在某幅图像中的物体做标注。比如一共有1000个物体类，对一幅图中所有物体来说，某个物体要么有，

查看所有环境conda info -- envs新建虚拟环境conda create -n myenv python=3.6删除虚拟环境conda remove -n myenv --all激活虚拟环境conda activate myenv退出虚拟环境conda deactivate myenvImportError: numpy.core.mul...