台部落zhang11wu4

大概解決我學線代開始的基本上所有的困惑。。。前不久chensh出於不可告人的目的，要充當老師，教別人線性代數。於是我被揪住就線性代數中一些務虛性的問題與他討論了幾次。很明顯，chensh覺得，要讓自己在講線性代數的時候不被那位強勢的

2018-09-04 23:38:19

https://handong1587.github.io/deep_learning/2015/10/09/nlp.html Jump to... LeaderboardPapers R-CNNMultiBoxSPP-N

2018-09-04 23:38:19

之前學習攝像機模型的時候弄得不是太清楚，現在記錄一下。 1.攝像機矩陣的分解攝像機矩陣可以表示爲如下形式： P=[M|−MC](1) 其中，C爲攝像機在世界座標系中的位置，求出攝像機的位置C只需要用−M−1乘以攝像

2018-09-04 23:38:19

本文章有轉載自其它博文，也有自己發現的新庫添加進來的，如果發現有新的庫，可以推薦我加進來轉自：http://www.cnblogs.com/tornadomeet/archive/2012/05/24/2515980.html

2018-09-04 23:38:18

特徵向量確實有很明確的幾何意義，矩陣(既然討論特徵向量的問題，當然是方陣，這裏不討論廣義特徵向量的概念，就是一般的特徵向量)乘以一個向量的結果仍是同維數的一個向量，因此，矩陣乘法對應了一個變換，把一個向量變成同維數的另一個

2018-09-04 23:38:18

前言　　從理解卷積神經到實現它，前後花了一個月時間，現在也還有一些地方沒有理解透徹，CNN還是有一定難度的，不是看哪個的博客和一兩篇論文就明白了，主要還是靠自己去專研，閱讀推薦列表在末尾的參考文獻。目前實現的CNN在MINIT數據集

2018-09-04 23:38:18

很多時候我們不知道攝像機的內參數矩陣，並且我們也不太關注內參數到底是多少，因爲我們僅僅關心如何得到兩幅圖像的稠密匹配，或者兩幅圖像的差別——例如我們只想計算兩幅圖像的視差圖，或者說得到兩幅立體圖像對的深度圖就足夠了。既然不知道攝像機的內

2018-09-04 23:38:18

最近開始轉到深度學習上研發項目，雖然用開源框架能夠訓練出識別率比較好的分類模型，但有很多問題不明白，所以準備寫個博客專題，自負壓力，自問自答，與大家一起交流學習。該專題計劃用問答式的方式記錄研發過程中遇到

2018-09-04 23:38:18

根據線性代數的基本知識Ax=λx , x就是特徵向量，λ是特徵值，信號A乘以x，只改變了λ大小，而方向沒有變化。線性時不變系統LTI的特徵向量是e^jwt(1)，根據歐拉公式，e^jwt=coswt+jsinwt，從中可以看出，線性時不變

2018-09-04 23:38:18

上面的公式是標準正態公佈的密度函數，但爲什麼公式要這樣寫？下面是相關原因：也就是說，公式這樣寫可以保證積分爲1，那麼爲什麼用e指數函數？下面是e指數函數圖像： e指數函數圖像特徵：過點(0,1),過第二、第一象限。定義域是R,

2018-09-04 23:38:18

雙邊濾波就是在對像素進行卷積時，不單單用位置（定義域）信息，還要用到值域信息。你看看高斯卷積的模板，就能明白什麼是位置信息。值域信息就是當前像素與鄰域像素的差別，差別越大（也就是邊界位置），權重越小，這個小權重施加到高斯模板上，就會讓高斯

2018-09-04 23:38:18

一直對齊次座標這個概念的理解不夠徹底，只見大部分的書中說道“齊次座標在仿射變換中非常的方便”，然後就沒有了後文，今天在一個叫做“三百年重生”的博客上看到一篇關於透視投影變換的探討的文章，其中有對齊次座標有非常精闢的說明，特別是針對

2018-09-04 23:38:05

今天做圖像旋轉練習的時候，要根據鼠標的移動軌跡來確定轉過的角度，於是就很自然的想到通過三個點來確定這個轉過的角度：圖像的中心，鼠標按下的點，鼠標拖到的點。想到使用斜率來計算角度，於是聯想到數學公式中的arctan反正切函數，通過搜索得

2018-09-04 23:38:05

計算機組成原理→DOS命令→彙編語言→C語言（不包括C++）、代碼書寫規範→數據結構、編譯原理、操作系統→計算機網絡、數據庫原理、正則表達式→其它語言（包括C++）、架構…… 對學習編程者的忠告：眼過千

2018-09-04 23:38:05

根據測試結果，兩種算法對於ubc、bikes、trees和boat四種圖集都有很好的魯棒性，能夠準確將圖像匹配起來。兩種算法的差異主要是在bark、graf、leuven和wall圖集中表現出來的。方法/步驟

2018-09-04 23:38:04