FH的博客

简单几何变换几何表示2D几何变换translation 平移rotation+transform （平移+旋转）刚性变换Similarity相似变换(旋转+按比缩放+平移)Affine放射变换projective 投影影变换(透视变换、同态映射)3D几何变换几何变换就是空间变换，是图形学的基础算法，在计算机视觉中应用也比较广泛。本文就简单介绍集中基础几何变换几何表示2D几何变换“名场面”如...

相机模型相机与图像一些基本概念针孔相机模型坐标系描述成像过程1、世界坐标系->相机坐标系2、相机坐标系-->象平面坐标系3、象平面坐标系-->像素平面坐标系4、世界坐标到像素坐标畸变相机与图像一些基本概念aperture(光圈)与depth of field(景深)：光圈可以看做是小孔成像模型中的孔径，光圈越大进光面积就会越大。光圈越小，景深越大，但光圈太小会产生衍射...

卷积神经网络结构发展历程，那些留下过名字的模型：LeNet ----> AlexNet ----> ZFNet —> VGGNet —> GoogleNet ---->ResNet ----> DenseNet每个经典的模型都提出创意性的概念：1、leNet :Gradient-Based Learning Applied to Documen...

目标检测是计算机视觉中一个传统的问题，基本流程可以看做：特征提取–> 模型训练(分类)–> 滑动窗口计算响应(可以做多尺度)---->非极大值 等基本步骤传统的目标检测方法：svm+hog, DPM等，这里就不详细解释了。卷积神经网络目标检测的发展：R-CNN —> fast R-CNN —> faster R-CNN ----->yolo —>s...

正则化regulation欠拟合与过拟合L2 正则化（L2 regularization）dropout代码示例参考欠拟合与过拟合欠拟合：在训练集上准确率较小过拟合：表现为在训练集上准确率高，训练误差较小。而在测试集上准确率与训练集上的表现相差较远，测试误差较大。Bias-Variance：L2 正则化（L2 regularization）损失函数中加L2正则化项后：l′(W)...

之前展示过只使用python、numpy构建简单的神经网络：前向传播、反向传播、链式法则求导等，有助于理解相关知识，但工程中是不可能这样做的。一些基本的概念1、常量 tf.constant```pythonimport tensorflow as tfa1 = tf.constant([1,2,3],tf.int32,name="a1")print(a1) # 打印：Tensor("...