机器学习的学习过程基于概率和统计学，学习到的知识能用于其它数据的一个基本假设是独立同分布(IID)，因此把数据变成同分布是很有必要的。A.权重归一化: WN不归一化特征，而是归一化权重。假设卷积核的向量形式是，感受野的向量形式是，偏置为。一个神经元的输出可以表示为：。把权值写成：，因为，所以。这样，权值向量的模长就是，方向就是。模长和方向不再耦合，可以加速收敛。损失函数关于的导数：...

简介1. 介绍2. 应用场景2.1 场景一2.2 场景二3. 研究内容3.1 主要研究内容3.2 位置表示的传递性1. 介绍  SLAM的英文名称是simultaneous localization and mapping或Concurrent Mapping and Localization，中文名称是即时定位与地图构建或并发建图与定位。  SLAM就是一项技术，这个技术可以帮助一个运动的...

SSD 目标检测算法1. 网络结构1. 网络结构下采样次数下采样的输出检测网络的输入检测网络的输出原图上被检测区域的边长x的值第3次(38, 38, 512)(38, 38, 4x)84第4次(19, 19, 1024)(19, 19, 4x)166第5次(10, 10, 512)(38, 38, 4x)306第6次(5, 5, 256)(5, 5, 4x)606第7次(3, 3, 256)(3,

鸢尾花数据集1.鸢尾花数据集1.鸢尾花数据集  鸢尾花数据集包含 3 类，每类各 50 个数据。每条记录都有 4 项特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度，单位是厘米。可以通过这 4 个特征对 3 类鸢尾花分类。...

机器学习的学习过程基于概率和统计学，学习到的知识能用于其它数据的一个基本假设是独立同分布(IID)，因此把数据变成同分布是很有必要的。A.权重归一化: WN不归一化特征，而是归一化权重。假设卷积核的向量形式是，感受野的向量形式是，偏置为。一个神经元的输出可以表示为：。把权值写成：，因为，所以。这样，权值向量的模长就是，方向就是。模长和方向不再耦合，可以加速收敛。损失函数关于的导数：...

位姿的表示1. 位姿2. 相对位置3. 相对位姿1. 位姿  第1节中用三维坐标来表示机器人的位置，把SLAM问题描述为推断相邻位置的相对坐标。在实际应用中，为了更好地控制机器人，还需要知道机器人的姿态。  姿态就是机器人的朝向。只有知道朝向，才有前、后、左、右、上、下之分，才能更好地控制机器人。在三维坐标系中，可以用一个三维向量表示朝向。三维位置坐标和三维朝向向量合称为位姿，即位置和姿态。于..

ResNet1. Resnet比较1.1 层数计算1.2 输入维度1. Resnet比较  不同层数的Resnet如下表：1.1 层数计算  Resnet名字中的层数只包含卷积层和1个全连接层，不包含BN层、激活函数层、池化层、跳跃连接层，所以Resnet-N有N−1N-1N−1个卷积层。如Resnet-18：conv 1：1个7×7×64的卷积层。conv 2_x：2×2个3×3...

ResNet181. 使用 PyTorch 定义 ResNet181. 使用 PyTorch 定义 ResNet18import torch.nn as nnfrom torch.nn import functional as Fclass BasicBlock(nn.Module):def __init__(self, in_channels, out_channels, stride, dow

CMakeLists.txt语法CMakeLists.txt语法1.开头2.指定次级CMakeLists.txt位置3.编译选项4.编译模式5.C++11支持6.调试信息0.编译1.1 编译生成链接库。1.2 编译生成可执行文件0.指定输出目录0.字符串操作0.变量0.指定路径1.2 头文件1.2 第三方库0.常用库的引用1.1 opencv1.2 库文件CMakeLists.txt语法1.开..

求解位姿变换  已知空间点在两个三维坐标系中的三维坐标，求这两个坐标系的位姿变换，称为3D-3D问题。在第三、四章分别用SVDSVDSVD、非线性优化来求解该问题。  假设我们的传感器就是相机。  假如已知空间点在一个三维坐标系中的三维坐标，现在相机看到这些空间点并得到这些空间点在拍摄得到的图像上的像素坐标，那么怎么求这个三维坐标系和当前相机坐标系的位姿变换呢？本章讲的就是这个问题。因为.....