详见博客,该博客讲解得很详细,为节省时间就…… Read More
posted @ 2019-04-26 22:08 Lilu1223 Views(83) Comments(0) Diggs(0) Edit
一、虚函数 被virtual关键字修饰的类成员函数就是虚函数。虚函数的作用就是实现运行时的多态性,将接口与实现分离。简单理解就是相同函数有着不同的实现,但因个体差异而采用不同的策略。 基类中提供虚函数的实现,为派生类提供默认的函数实现。派生类可以重写基类的虚函数以实现派生类的特殊化。如下:class Base{public: virtual void ... Read More
posted @ 2019-04-26 21:58 Lilu1223 Views(658) Comments(0) Diggs(0) Edit
C++中的struct是对C中struct的扩充,它已经不再只是一个包含不同数据类型的数据结构,因为其扩充了太多功能。总的来说,C++中struct和class极其相似,比如,struct能包含成员函数、能继承、能实现多态等。但是二者之间也存在着不可忽视的区别,如下:1) 默认的继承访问权限不同。struct默认是public继承,class默认是private继承。 子类属于哪种继... Read More
posted @ 2019-04-26 20:58 Lilu1223 Views(2558) Comments(0) Diggs(0) Edit
boost::filesystem是Boost C++ Libraries中的一个模块,主要作用是处理文件(Files)和目录(Directories)。该模块提供的类boost::filesystem::path专门用来处理路径。而且,该模块中还有很多独立的函数能够用来执行创建目录、检查文件是否存在等任务。一、创建Paths 定义路径时需要包含头文件boost/fil... Read More
posted @ 2019-04-26 11:19 Lilu1223 Views(20888) Comments(0) Diggs(3) Edit
这篇论文的前半部分基本就是论文《Training Models of Shape from Sets of Examples》的全部内容,只不过多两个应用示例,后半部分在PDM模型的基础上提出了ASM模型。对于ASM模型的介绍在博客中有详细的说明,出于时间的考虑这里仅列出我对ASM模型的部分理解,如下:1> 在训练ASM模型时,为了确保由于的变化产生的形状与训练集中的形状类似,需要对的值进行一些限... Read More
posted @ 2019-04-24 11:59 Lilu1223 Views(770) Comments(0) Diggs(0) Edit
刚体变换只有物体的位置和朝向发生改变,而形状不变,也就是只进行平移变换和旋转变换。射影变换(Projective Transformation)定义:由有限次中心射影的积定义的两条直线间的一一对应变换称为一维射影变换。由有限次中心射影的积定义的两个平面之间的一一对应变换称为二维射影变换。性质:交比不变性如果平面上点场的点建立了一个一一对应关系,并且满足: 1> 任何共线三点的象仍是共线... Read More
posted @ 2019-04-23 19:19 Lilu1223 Views(13211) Comments(0) Diggs(0) Edit
这篇论文介绍了一种创建柔性形状模型(Flexible Shape Models)的方法——点分布模型(Point Distribution Model)。该方法使用一系列标记点来表示形状,重要的是根据所有训练样本计算出平均形状(Average Shape)和平均形状主要的变化模式(Modes of Variation)。其中变化模式描述了形状从平均形状变化到样本形状的主要变化方式,比如... Read More
posted @ 2019-04-23 18:04 Lilu1223 Views(668) Comments(0) Diggs(0) Edit
SGD 梯度下降法根据每次更新参数时使用的样本数量分为Stochastic Gradient Descent(随机梯度下降法,SGD)、mini-batch Gradirnt Descent(小批量梯度下降法,mBGD)和Batch Gradient Descent(批量梯度下降法,BGD)三种。通常所说的SGD指的是小批量梯度下降法,这里也是。 批量梯度下降法是梯度下降法最常用的... Read More
posted @ 2019-04-11 10:15 Lilu1223 Views(120) Comments(0) Diggs(0) Edit
ResNet可以说是在过去几年中计算机视觉和深度学习领域最具开创性的工作。在其面世以后,目标检测、图像分割等任务中著名的网络模型纷纷借鉴其思想,进一步提升了各自的性能,比如yolo,Inception-v4等。 ResNet通过重构模型对残差映射(Residual mapping)进行拟合,而非以往那样拟合期望的潜在映射(Underlying mapping)。借助这一举措,R... Read More
posted @ 2019-03-24 14:38 Lilu1223 Views(4067) Comments(1) Diggs(1) Edit
该笔记是我快速浏览论文后的记录,部分章节并没有仔细看,所以比较粗糙。从摘要中可以得知,论文提出在每次训练时通过随机忽略一半的feature detectors(units)可以极大地降低过拟合。该方法能够防止feature detectors之间的complex co-adaptations,即feature detectors只有在一些其它特定的feature detectors存在时才能发挥作... Read More
posted @ 2019-03-24 14:37 Lilu1223 Views(837) Comments(0) Diggs(0) Edit