LB's Home

Coding - Thinking


  • 首页

  • 分类

  • 关于

  • 标签

  • 站点地图

【滤波理论】卡尔曼滤波从推导到应用

发表于 2017-04-07 | 分类于 【状态估计】
0 学习目标 理解标准卡尔曼滤波的原理 利用Python实现卡尔曼滤波估计随机常数 1 原理难点过程噪声 Q 调参测量噪声 R 通过测量数据获得 当状态分量之间没有耦合关系时,QR为对角矩阵
阅读全文 »

【图像处理】FAST角点检测

发表于 2017-04-06 | 分类于 【图像处理】

0 学习目标

  • 理解FAST算法的原理
  • 学习OpenCV中FAST角点检测的源码
  • 利用OpenCV进行FAST的角点检测

1 原理

角点检测是很多视觉任务的第一步,比如说视觉SLAM,需要实时提取图像的特征点,并进行匹配。大牛们已经设计出很多角点检测算法,比如说SIFT(DOG),Harris和SUSAN等,这些角点检测算法可以提取出质量很高的角点,但是它们计算非常耗时,无法在SLAM这样对实时性要求很高的视觉任务中应用。于是,FAST角点检测算法在2006年被Edward Rosten和Tom Drummond提出[1]。

下面对论文[1]中的算法原理进行简单的介绍:

阅读全文 »

【机器学习】主成分分析PCA

发表于 2017-03-23 | 分类于 【机器学习】

0 背景知识

在机器学习中,当测试样本的维数很高时,会出现数据样本稀疏,距离计算困难等问题,这被称为“维数灾难”(curse of dimensionality). 为了解决维数灾难带来的影响,提出了降维(dimension reduction)操作。降维主要分为线性降维和非线性降维。线性降维包括多维缩放MDS和主成分分析PCA。非线性降维有核主成分分析KPCA和流形学习等方法。本文主要介绍PCA.

其实,现在项目中还没有用到主成分分析PCA,但是看到百度计算机视觉工程师面试中会问到PCA的相关问题,所以总结一下,以备不时之需。


阅读全文 »

(转载)【深度学习】Deep Learning Papers Reading Roadmap

发表于 2017-03-23 | 分类于 【深度学习】

【原文链接】 https://github.com/songrotek/Deep-Learning-Papers-Reading-Roadmap


If you are a newcomer to the Deep Learning area, the first question you may have is “Which paper should I start reading from?”

Here is a reading roadmap of Deep Learning papers!

The roadmap is constructed in accordance with the following four guidelines:

  • From outline to detail
  • From old to state-of-the-art
  • from generic to specific areas
  • focus on state-of-the-art

You will find many papers that are quite new but really worth reading.

I would continue adding papers to this roadmap.


阅读全文 »
1…56
LB

LB

Make Robot Feel The World

54 日志
15 分类
39 标签
GitHub Weibo
Links
  • OverLeaf
  • LeetCode
  • Kaggle
  • Tianchi
© 2017 LB
由 Hexo 强力驱动
主题 - NexT.Pisces
本站总访问量     您是第个来到的小伙伴