卷积后卷积层大小W2= (W1-F+2P)/S +1即 (原始图像的宽度-卷积核的宽度+2倍的填充宽度)/步长 + 1采用K个大小为FxF的卷积核，进行步长为S, 填充为P的卷积运算后，得到的层的宽为W2,高为H2, 深度为D2,计算如下所示。参数量大小(FxFxD1)xK + K即（卷积核宽x卷积核高）x卷积核的个数 + 偏差个数（即卷积核的个数，每一层有一个bias）Padding的大小P =

目录1. pytorch中的数据类型1.1 标量——维度为0——用于loss1.2向量——维度为1——用于bias、线性输入数据1.3二维tensor1.4三维tensor1.5四维tensor1.6 其他引言：pytorch是面向计算的GPU加速库，所以里面的所有操作对象都是tensor(张量)。本文主要介绍pytorch中的数据类型，tensor的创建，索引与切片，维度变换、拼接与拆分、基本数

2018-02-12 10:15:46145点赞1345收藏140评论有时在家或者在旅游需要利用单位电脑完成一些任务？希望用手机远程唤醒并操控处于关机状态的单位电脑？本文或许可以参考一下。远程控制部分不详谈，因为teamviewer的使用实在太简单，没啥好讲，本着只写干货的原则，就不深入展开了，只要记得安装这个软件就行（pc和android、ios均有客户端），本文简单介绍下远程唤醒吧。单位有一些

目录一、稠密点云的获取方式二、基础知识1.极线搜索：2.光度一致性假设 photo-consistency3.可视性约束三、多视角立体技术1.基于体素的方法2. 基于空间patch扩散的方法3.基于深度图融合的方法[4]参考一、稠密点云的获取方式Lidar扫描：精度高(毫米级别)，效率高，有效范围几米到几百米，价格昂贵；高反光，玻璃表面，吸收表面Kinect：使用方便、价格适中、速度较快；精度较低

SfM特点—多视角图像—图像完全匹配（ off-line）—重建场景稀疏结构与相机位姿（ off-line）SfM误差消除策略— View graph filtering— Tracks selection— Next best view— Global bundle adjustment参考： 申抒含 2019.07，第二届“SLAM技术及应用"暑期...

目录什么是规划传统规划方法传统的机器人基础无人车PlanningApollo规划的方式整理自视频：https://www.bilibili.com/video/BV137411E7oC?p=10什么是规划传统规划方法传统的机器人基础无人车PlanningApollo...

目录1. 基于直方图均衡化的图像增强2. 基于拉普拉斯算子的图像增强3. 基于对数Log变换的图像增强4. 基于伽马变换的图像增强参考:1. 基于直方图均衡化的图像增强直方图均衡化是通过调整图像的灰阶分布，使得在0~255灰阶上的分布更加均衡，提高了图像的对比度，达到改善图像主观视觉效果的目的。对比度较低的图像适合使用直方图均衡化方法来增强图像细节。彩色图像的直方图均衡化实现：#include &

目录1. 三维物体的表面表达方式1.1 边界表示法 (Boundary Representation)1.2空间划分法 (Spatial-Partitioning Representations) 1.3 构造体素法 (Boundary Constructive Solid Geometry)2. 三维模型的表述方式 3. 基于符号距离场的表面重建方法 3.1 符号距离函数(Signed Dist

1.首先先定义进行卷积的参数：输入特征图为高宽一样的Hin*Hin大小的x卷积核大小kernel_size步长stridepadding填充数(填充0)输出特征图为Hout*Hout大小的y计算式子为：Hout = floor(Hin + 2*padding - kernel_size / stride) + 12.然后实现上面的卷积的转置卷积定义其参数为：输入特征图为高宽一样的Hout*Hout