xiaoxiao_2446xuxu的博客

原创 LeetCode-167-两数之和 II - 输入有序数组

文章目录LeetCode-167. 两数之和 II - 输入有序数组LeetCode-167. 两数之和 II - 输入有序数组给定一个已按照 升序排列 的整数数组 numbers ，请你从数组中找出两个数满足相加之和等于目标数 target 。函数应该以长度为 2 的整数数组的形式返回这两个数的下标值。numbers 的下标 从 1 开始计数 ，所以答案数组应当满足 1 <= answer[0] < answer[1] <= numbers.length 。你可以假设每个输入只

原创 pytorch-权值初始化

文章目录pytorch-权值初始化正常情况Xavier均匀分布Xavier标准正态分布Kaiming均匀分布Kaiming标准正态分布均匀分布正态分布常数分布正交矩阵初始化单位矩阵初始化稀疏矩阵初始化pytorch-权值初始化因为不恰当的权值初始化是会导致梯度爆炸，w的梯度会依赖于上一层的输出，输出非常小大，会引发梯度消失，爆炸。要严格控制网络输出值的尺度范围，不能太大，太小。正常情况# -*- coding: utf-8 -*-"""# @file name : grad_vanish_e

原创 pytorch--torch.nn.functional学习网络中的池化层，全连接层和激活函数

pytorch--学习网络中的池化层，全连接层和激活函数池化层nn.MAXPool2d:功能是对二维信号进行最大池化nn.AvgPool2d：nn.MaxUnpool2d：反池化操作线性层nn.Linear激活函数nn.sigmoidnn.tanhnn.Relunn.LeaakyRelunn.PRelunn.RRelu池化层卷积操作中 pool层是比较重要的，是提取重要信息的操作，可以去掉不重要的信息，减少计算开销。nn.MAXPool2d:功能是对二维信号进行最大池化kernel_size(i

原创 三维人脸重建

文章目录1. 什么是三维人脸重建2 obj讲解3. ply讲解1. 什么是三维人脸重建三维人脸重建就是从一张或多张2D图像中重建出人脸的3D模型，如果是物体重建就是物体的图片当作输入输出物体的模型。如图所示，我们将input图片当作输入，通过网络输出三维模型，这个三维模型可以是一个以obj，ply后缀名的文件名。下图所示：2 obj讲解我们将obj文件通过 meshlab 软件打开，打开后就可以看到我们需要的重建模型。我们将result.obj用记事本打开可以看到。那么接下来我们看看

原创 HOG特征

文章目录HOG特征1. 图像预处理1.1 图像灰度化，gamma矫正2. 计算梯度图HOG特征HOG特征( Histogram of Oriented Gradients 方向梯度直方图）是一种在图像上找到特征描述子，主要通过计算和统计图像局部区域的梯度方向直方图来构成特征。来源于cvpr 2015 年论文。算法流程1 进行图像预处理2 计算梯度1. 图像预处理1.1 图像灰度化，gamma矫正我们先读入彩色图像，然后转换成灰度图像，采用gamma校正对输入的图像进行颜色空间的归一化，主要作

原创 pytorh---stack详解

文章目录stackd = t.stack((a,), dim=0)d = t.stack((a,), dim=1)d = t.stack((a,), dim=2)d = t.stack((a,b), dim=0)d = t.stack((a,b), dim=1)d = t.stack((a,b), dim=2)d = t.stack((a,b,c), dim=0)d = t.stack((a,b,c), dim=1)![在这里插入图片描述](https://img-blog.csdnimg.cn/20210

原创 数据结构与算法--二叉树

文章目录数据结构与算法什么是树，二叉树树的基本概念有序树，无序树，森林二叉树基础二叉树的性质数据结构与算法树基础：既能向数组那样查找数据，又能像链表那样快速的插入数据，树满足要求。什么是树，二叉树树的基本概念节点、父子关系：节点：图中的圆点就是树的元素，我们把它叫做节点。父子关系：用来连接节点之间关系，叫做“父子关系”。树的根节点、父节点、子节点、叶子节点、兄弟节点：结点，树，树的高度，深度，层，度深度：对于任意节点n,n的深度为从根到n的唯一路径长，根的深度为0；**高度：**对于

原创 数字图像系统

在光照的情况下，通过成像系统将大自然中的物体拍摄出来，成像系统手机自带有，这里面我们关心的是分辨率，成像系统显示的点数越多，阵列越大，越能真实的反映出当时物体的形象颜色。图形与图像的区别：存储格式不一样，图形是由指令来构成的，命令在计算机里是语句，记录的是坐标，颜色。图像没有命令，是一个大数据，里面是像素值，直观，信息量大图像的表示由颜色值这样一个矩阵表示，而颜色值对应于颜色表里面...

原创 A tensor-based deep learning framework

2. Related work2.2. Tensor based approaches 最近，张量框架的优点引起了研究界的关注。文献19，介绍一个有监督的张量学习的框架，后者扩展了基于向量的方法去操作张量数据。这个框架被认为是张量凸优化学习的一个扩展，依赖于交替投影过程。通过整合这个框架，作者得到了支持张量机，张量极大极小概率机，张量判别分析和多 距离度量学习等几个基于 张量学...

原创 机器学习中常用的5种回归损失函数

损失函数大致可分为两类：分类问题的损失函数和回归问题的损失函数。1 均方误差均方误差(MSE)是最常用的回归损失函数，计算方法是求预测值与真实值之间距离的平方和，公式如图。 2平均绝对误差（MAE）是另一种用于回归模型的损失函数。MAE是目标值和预测值之差的绝对值之和。其只衡量了预测值误差的平均模长，而不考虑方向，取值范围也是从0到正无穷（如果考虑方向，则是残差...

原创 Rotate-and-Render: Unsupervised Photorealistic Face Rotation from Single-View Images

摘要： 出现的问题：尽管脸部轮换在最近几年取得了迅速的进展，但缺乏高质量的配对训练数据仍然是现有方法的一大障碍。当前的生成模型严重依赖于具有同一个人的多视图图像的数据集。因此，它们生成的结果受到数据源的规模和域的限制。 解决问题：提出了一种新的无监督框架，它可以在野外仅使用单视图图像集合成照片真实感人脸。 主要方法：在三维空间中来回旋转面，并将其重新渲染到二维平面...

原创 spherical cnns

卷积神经网络已成为二维平面图像学习问题的一种选择方法，然而，最近人们感兴趣的一些问题产生了对能够分析球面图像的模型的需求。例子包括无人机，机器人和自动驾驶的全方位视觉，分子回归问题以及全球天气和气候模型。卷积网络在球面信号平面投影中天真应用注定失败，因为这种投影引入的空间变化畸变会使平动权值共享失效。本文介绍了球形cnns的构造模块。提出了一种即具表达性又具有旋转等变异性的球面互相关的定义。...

原创 人脸三维重建和 人脸表观建模

获取一个人脸的几何结构构建，材质，颜色和表观为什么 会专注做 人脸图像，为什么 重要喜欢 用移动设备采集 的 多媒体数据里面，记录自己的生活，超过百分之六十的 里面有人脸，三维人脸重建和表观建模以及三维 表情捕捉在工业界和电影界的应用，基于人脸 融合的，人体彩绘，智能自动上妆，应用在美容行业，术前和术后的重建 ，三维重建和动画驱动，在 工业界，刚开始并没有研究人脸本身的特质，而是用一种传统...

原创 ArcFace:用于深度人脸识别的添加角边距损失

摘要使用深度神经网络进行大姿态人脸识别的特征学习面临的主要挑战之一是设计合适的损失函数，提高识别能力。中心损失惩罚欧式空间的深层特征与其对应类中心之间的距离，为了提高类之间的紧密度。SphereFace假设在最后的全连接层用线性变换矩阵可以作为类中心在角空间的表示，并以乘法的方式在深度特征和他们相关权重之间的角度。最近，一种流行的研究方法是在已有的损失函数加入边距，可以最大限度的提高面类可分性...

翻译 Spherical CNNs

opencv2 图片

1 图片的压缩import cv2img=cv2.imread('2.jpg',1)i=img.shapeprint(i)height=i[0]width=i[1]mode=i[2]datah=int(height*0.5)dataw=int(width*0.5)#双线性插值 dat=cv2.resize(img,(dataw,datah))cv2.imshow('im...

原创 Anconda 学习

1 安装 1安装Anconda  2创建虚拟环境名称3安装包     tensorflow    opencv    ……4运行notebook2 命令行conda info -e //查看当前系统下的环境conda create -n env_name python=2.7//指定python版本为2.7，注意至少需要指定python版本或者要安装的包...

原创 jsp

&lt;%@ page language="java" import="java.util.*" pageEncoding="ISO-8859-1"%&gt;&lt;%String path = request.getContextPath();String basePath = request.getScheme()+"://"+request.getServerName()+":&q

原创 sevlet ---tomcat 登录

1  学习资料链接: https://pan.baidu.com/s/1zCr9nXNieGKojud2rGkkxg 提取码: f694  2  过程 3 代码servlet：package com.bjsxt.servlet;import java.io.IOException;import javax.servlet.ServletExceptio...

原创 css简介

1 css作用和发展 css （Cascading Style Sheet）称为级联样式单，层叠样式单他是一种 专门描述结构文档的表现形式的文档，主要用于网页风格，设计，包括字体大小，颜色，以及元素的精确定位等在传统的web网页设计里，使用css能让单调的html网页更富表现力表达效果丰富文档体积比较小便于信息检索可读性好2 css基本使用控制文档显示，使用...

原创 servlet 学习

1 基础知识tomcat不要解压在中文目录bin放的tomcat是可执行文件的目录conf是相关的配置文件lib相关jar包 logs存储一些运行日志的temp运行缓存文件的webbps 服务器是把事先编好的处理请求的代码放服务器里面，放你要运行代码的work jsp的编译目录  startup.sh是给linux端口的作用是标识应用程序的tomcat基于j...

原创 html多媒体

1 音频和视频标签的介绍 web上的音效1.1 常用的视频格式1.2 常用的音频格式  2&lt;embed&gt;播放音频      

原创 html基础

1 表格标签&lt;!DOCTYPE html&gt;&lt;html&gt; &lt;head&gt; &lt;title&gt; Dhcc&lt;/title&gt; &lt;meta http-equiv="Content-Type" content="text/html;charsrt=utf-8"/&gt; &lt

原创 网络--java

 1 客户端import java.io.IOException;import java.net.DatagramPacket;import java.net.DatagramSocket;import java.net.InetSocketAddress;/** * 客户端 * 1、创建客户端 +端口 * 2、准备数据 * 3、打包（发送的地点 及端口） * 4、发...

原创 飞机小游戏

1  做出来的结果2  Game 主类package yxx;import java.awt.Color;import java.awt.Font;import java.awt.Frame;import java.awt.Graphics;import java.awt.Image;import java.awt.event.KeyAdapter;import ja...

原创 java 基础 （可视化日历，冒泡排序，常用类）

 1  冒泡排序public class maopaopaixu { public static void main(String[] args){ //也可以输出，只不过不常用 System.out.println(args[0]); int [] values={3, 1,6,2,9,0,7,4,5,8}; for(int i:...

原创 java 基础 图形界面

 1  图形界面基础 package yxx;import java.awt.Color;import java.awt.Font;import java.awt.Graphics;import java.awt.event.WindowAdapter;import java.awt.event.WindowEvent;import javax.swing.JFrame;...

原创 机器学习之朴素贝叶斯算法

        机器学习 用R实现的算法     x1&lt;-c(2,4,5,7,8,9)x2&lt;-c(3,7,4,2,1,6)      kd_tie&lt;-function(x1,x2){         x_1&lt;-list(list(x1))        x_2&lt;-list(list(x2))      l&lt;-length(x1)     timelab&lt;-...