weixin_45095281的博客

原创 [CCPNet]Cascaded Context Pyramid for Full-Resolution 3D Semantic Scene Completion

[CCPNet]Cascaded Context Pyramid for Full-Resolution 3D Semantic Scene Completion摘要Cascaded Context Pyramid Network3D Dilated Convolution Encoder输入张量生成。Encoder Structure.Cascaded Context PyramidArchitecture Details.Guided Residual RefinementLossExperiment

原创 Anaconda 安装及常用指令

[WIN] Anaconda+VSCode安装及常用指令下载安装包常用指令环境相关命令换源查看环境配置创建环境激活环境退出环境查看所有环境复制环境删除环境包管理查看包安装包卸载包下载安装包从官网或清华源下载 Anaconda 安装包，清华源下载速度较快。官网清华镜像源常用指令环境相关命令换源清华源conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config

原创 Detection2（一）安装

Detection2（一）安装源码下载及编译下载编译Demo源码下载及编译下载可以在github上下载或者直接通过命令行下载链接下载: https://github.com/facebookresearch/detectron2命令下载： git clone https://github.com/facebookresearch/detectron2.git编译python -m pip install -e detectron2Demo首先在 model_zoo 里选择

原创 机器学习：线性模型

机器学习：线性模型基本形式线性回归 linear regression优化对数线性回归对数几率回归基本形式一般向量形式为： f(x)=wTx+bf(x)=w^Tx+bf(x)=wTx+b其中，www 表示了 xxx 的重要性，称为权重。线性回归 linear regression线性回归学习一个线性模型来预测输出.即, 在一个数据集 D={(x1,y1),(x2,y2),...,(xn,yn)}D=\{(x_1, y_1),(x_2,y_2),...,(x_n,y_n)\}D={(x1​,y1​

原创 ubuntu18.4 安装LaTeX（texlive + texstudio）

之前一直是在win上使用，现在用用ubuntu的通过apt-get下载安装安装简单一点，就不源码安装了LaTeX发行版sudo apt-get install texlive-full安装XeLaTeX编译引擎sudo apt-get install texlive-xetex安装中文支持包，使用的是xeCjKsudo apt-get install texlive-lang-chinese安装texstudiosudo apt-get install texstudio

原创 [ICCV2021 Oral] PoinTr 代码理解

原创 机器学习：数据集划分方法

机器学习：数据集划分方法留出法 hold-out交叉验证法 cross-validationk折交叉验证数据集的划分：留一法自助法 bootstrapping留出法 hold-out数据集划分为两个互斥的集合：训练集和测试集。训练集占总数据集的 2/3 - 4/5再进行划分时，采取分层采样的方式，这是为了在划分时保持数据分布一致，在分类任务中，保持样本的类别比例相似。注意 单次使用留出法得到的结果不够可靠，一般采用若干次随即划分，重复实验后取平均值。交叉验证法 cross-validationk

原创 机器学习：PR曲线及F1 score

PR曲线及F1 scorePecision 和 RecallPR曲线PR曲线的绘制PR曲线的性能比较F1 scoreF1 的一般形式macro-F1micro-F1Pecision 和 Recall首先，我们把数据和对应的标签称为一个example。在二分类问题中，example可分为真正例（true positive），假正例（fake positive），真反例（true negative），假反例（fake negative）下面这个矩阵称为混淆矩阵。precision 和 recall的

原创 [CVPR2021 Oral] PREDATOR: Registration of 3D Point Clouds with Low Overlap 损失函数含代码理解

PREDATOR: Registration of 3D Point Clouds with Low Overlap 损失函数含代码理解Circle loss原始定义PREDATOR中的Circle loss代码2021/10/23 写完了Circle loss，有时间再写后面两个损失函数主要讲解损失函数，个人理解，有错误欢迎指出~不愧的oral，真的很????PREDATOR使用了三个损失函数：Circle loss，Overlap loss 和 Matchability lossCircle

原创 LeetCode 69 x的平方根

问题描述给你一个非负整数 x ，计算并返回 x 的 算术平方根 。由于返回类型是整数，结果只保留 整数部分 ，小数部分将被 舍去 。注意：不允许使用任何内置指数函数和算符，例如 pow(x, 0.5) 或者 x ** 0.5 。示例示例 1：输入：x = 4输出：2示例 2：输入：x = 8输出：2解释：8 的算术平方根是 2.82842..., 由于返回类型是整数，小数部分将被舍去。解题思路采用二分法代码class Solution {public: int m

原创 LeetCode 34 在排序数组中查找元素的第一个和最后一个位置

问题描述给定一个按照升序排列的整数数组 nums 和一个目标值 target。找出给定目标值在数组中的开始位置和结束位置。如果数组中不存在目标值 target，返回 [-1, -1]。示例示例 1：输入：nums = [5,7,7,8,8,10], target = 8输出：[3,4]示例 2：输入：nums = [5,7,7,8,8,10], target = 6输出：[-1,-1]示例 3：输入：nums = [], target = 0输出：[-1,-1]解题思路

原创 论文阅读 PCT：Point Cloud Transformer

论文阅读 PCT：Point Cloud TransformerPCT 介绍Input Embeddingnative 版本enhanced 版本Attention如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入PCT 介绍PCT是基于Transformer的，它在自然

原创 TensorFlow 学习（二） Keras 函数式编程实现鸢尾花分类

Keras 函数式编程实现鸢尾花分类Keras 函数式编程数据准备导入包导入数据集数据处理构建模型输入层中间层输出层构建模型损失函数和梯度更新保存模型Keras 函数式编程Keras 函数式编程定义复杂模型，可以参考 c++ 函数形式。数据准备导入包机器学习工具都自带数据集，直接导入即可。import tensorflow as tfimport numpy as np导入数据集from sklearn.datasets import load_iris #加载数据集data = l

原创 深度学习：Epoch, Batch, Iteration

Epoch（时期）, Batch（批/块）, Iteration（迭代）EpochBatchIteration：Epoch训练集的所有数据对模型进行一次完整的训练：正向传播+反向传播Batch当一个 Epoch 的数量太过庞大时，就需要把它分成多个 Batch（块）来进行训练。# 将数据 data 进行 batch 划分：每 10 个为 1 块（/批）# 一共分为 Epoch_size / Batch_size 个 Batchtf.data.Datasets.from_tensor_slice

原创 色彩特性实验

色彩特性实验第一章 要求二级目录三级目录第二章 色彩空间2.1 色彩空间2.2 sRGB色彩空间2.3 CIE Lab色彩空间2.4 sRGB与CIE Lab的转换2.4.1 sRGB到CIE XYZ的变换2.4.2 CIE XYZ到CIE Lab的转换第三章 实验代码3.1 流程图3.2 爱色丽色卡程序代码3.3 拍摄色卡程序代码3.4 测试色卡的两次框选3.4.1 第一次框选3.4.2 第二次框选3.5 计算Ca * b *3.6 计算色差3.7 显示色差第四章 图形用户界面及实验结果4.1 图形用户界