OpenCV笔记内容总结(11 - 18)
笔记总结 总结罗列11-18篇笔记中的知识点。1-10篇总结点击这里查看。 OpenCV笔记11 一、高斯金字塔 1.原理与定义 尺度空间 2.高斯差分金字塔(DOG) 3.尺度空间连续性 4.高斯金字塔构建步骤 二、...»
单目SLAM理论基础
一、坐标系简介 1.世界坐标系 三维世界中真实的坐标系，用（Xw, Yw, Zw）表示其坐标值。 2.相机坐标系 以相机的光心为坐标原点，习惯让Z轴指向相机前方，X轴向右，Y轴向左，满足右手定则。 3.图像坐标系 以相机光心在图像平面上的投影点为坐标原点，X轴和Y轴方向与相机坐标系...»
ORB特征提取、匹配及实现
之前在看SLAM的时候便看到了ORB特征，用它可以快速的提取图像中的特征点并匹配两幅图像。这里就再简单记录一下其原理和C++的实现代码。 一、ORB特征 ORB特征由关键点和描述子两部分组成。它的关键点称为“Oriented Fast”，是一种改进的FAST角点。描述子称为“BRIE...»
TensorFlow笔记7：卷积神经网络(CNN)
在用TF实现更为复杂的卷积神经网络之前，有必要先对相关的概念和原理再学习一遍，这样之后实现时会更加顺畅。 本篇博客笔记参考黄文坚《TensorFlow实战》第五章以及网络上各种博客，在此就不一一列举了。 一、卷积神经网络简介 相比于传统人工设计的特征算子，如SIFT、HOG等，卷积神经网...»
TensorFlow笔记6：MNIST 2
在之前的博客中，通过将图像降维成一维矩阵，利用较简单的回归训练实现了MNIST，精度达到了90%。 但这个方法并不是最好的。很重要的一个原因就是降维损失了图像中重要的二维信息。 因此在MNIST的第二篇笔记中，通过卷积建立简单的学习网络，同时拥有更好的效果。 这里先贴出训练模型的代码，然后...»