原创 Eigen3升級方法

SLAM十四講第二版CH4中的代碼sophus版本已經升級,需要配套eigen3.30以上包版本。若是通過sudo apt-get install libeigen3-dev方法安裝的eigen是3.2.9版本會報錯。升級eige

原创 pytorch 統計模型參數個數

用resnet50 來舉例子 print("resnet50 have {} paramerters in total".format(sum(x.numel() for x in resnet50.parameters())))

原创 ppa:jonathonf/python-3.6 報錯解決辦法

ubuntu16.04などでpython3.6を入れるときに ppa:jonathonf/python-3.6 のppaを使っていたんですが、非公開になってしまってちょっと困ったのでメモ 変更前 sudo add-apt-repo

原创 3D+2D位姿估計

一、讀取兩幀圖像,並獲得特徵點以及匹配後的特徵點 Mat img_1 = imread ( argv[1], CV_LOAD_IMAGE_COLOR ); Mat img_2 = imread ( argv[2], CV

原创 Non-local Neural及Self-attention

@Non-local Neural及Self-attention Non-local Neural及Self-attention 1 創新點 無論cv還是nlp,都需要捕獲長範圍依賴。在時間序列任務中RNN操作是一種主要的捕獲長範

原创 Ubuntu16.04+cuda9.0安裝教程(2018年11月教程)

1.安裝NVIDIA驅動   首先去官網(http://www.nvidia.cn/Download/index.aspx?lang=cn)查找適配自己電腦GPU的驅動,我的電腦驅動版本如下:        執行如下語句安裝NVIDIA驅

原创 Pytorch 加載自己的訓練模型

Pytorch保存我們訓練好的模型,然後加載用於測試 第一種方法 (1)保存 torch.save(model.state_dict(), PATH) # example torch.save(resnet50.state_di

原创 vector方法總結

vector方法總結   vector初始化 vector<int>a(10) //只定義長度 vector<int>a(10,1)//長度爲10,初始值爲1 vector<int>a(b); //用b向量來創建a向量,整體複製性賦值

原创 驗證對極約束

驗證對極約束 1. 將圖1中匹配好的特徵點像素座標轉化爲歸一化座標 :  輸入:keypoints_1[ m.queryIdx ].pt 爲像素座標, K爲相機內參矩陣; 得到:y1 = (x/z, y/z, 1) 相機歸一化座標。 代碼

原创 三角測量並驗證三角化點與特徵點的重投影關係

三角測量並驗證三角化點與特徵點的重投影關係 首先根據  求出R, t; 然後根據  求出 s1, s2 兩幀圖像裏的Z座標值,代表深度   一. 輸入參數爲  keypoints_1, keypoints_2, matches, R, t

原创 ubuntu 常用命令

1. 刪除由apt-get方法安裝的軟件 abc : apt-get remove --purge abc    2. 查看硬盤空間使用情況: baobab 3. 查看IP: ifconfig -a  

原创 數據預處理

1. 中心化 數據預處理中一個最常見的處理辦法就是每個特徵維度減去相應的均值實現中心化,這樣可以使得數據變成0均值,特別對於一些圖像數據,爲了方便我們將所有的數據都減去一個相同的值。 2.標準化 使得數據都變成0均值之後,還需要使用標準化

原创 pytorch的data_loader

train_loader = DataLoader(trainset, batch_size=batch_size, shuffle

原创 GPU使用率查看即內存釋放

查看GPU使用率: nvidia-smi 釋放內存: sudo kill -9 ****[PID]  

原创 Ubuntu 16.04 Python3.6 安裝opencv2-python

Ubuntu 16.04 Python3.6.7 安裝opencv2-python         在Ubuntu 16.04環境下,安裝好了Python3.6.7,但是沒有安裝Python2版本。     第一步,安裝需要的packag