最优化技术——阅读报告
梯度下降——从批量下降到Nesterov加速法
如今，在神经网络魔性的训练过程中梯度下降被广泛的使用，它主要用于权重的更新，即对参数向某一方向进行更新和调整，来最小化损失函数。其主要原理是：
通过寻找最小值，控制方差，更新模型参数，最终使模型收敛。
什么是梯度？梯度是一个向量。函数在各个方向的斜
...
最优化技术——牛顿法
发表于
|
分类于
最优化技术
最优化技术——牛顿法
没错，到期末了，我又开始学最优化了
参考目录
牛顿法与拟牛顿法学习笔记（一）牛顿法
解决的问题
解决的是无约束的极小化问题，用数学语言描述如下： \[
\mathop{min}\limits_{x}f(x) \tag{0}
\]
简单一维牛顿法
从现有极小值估计点出发，对\
...
组成原理-lab1难点之流水线
发表于
|
分类于
组成原理
流水线理解笔记
由于在做组成原理实验的时候，碰到了流水线这个概念，感觉什么都不懂，所以从头开始做做试验来理解一下这个概念，其中的Demo来自于重庆大学组成原理实验指导书Lab1，它的作者是
lvyufeng@cqu.edu.cn
我在作者提供的代码、描述的基础上进行了仿真实验，结合个人理解写下了这篇
...
python图像处理笔记-十二-图像聚类
发表于
|
分类于
图像处理
python图像处理笔记-十二-图像聚类
学习内容
这一章主要在学习的是聚类算法以及其在图像算法中的应用，主要学习的聚类方法有：
KMeans
层次聚类
谱聚类
并将使用他们对字母数据及进行聚类处理，以对比效果。
聚类是什么？
有ｎ个点，把这ｎ个点通过某种方法分成ｋ类就是聚类算法在做的事情，聚类
...
python图像处理笔记-十一-多视图重建与立体图像
发表于
|
分类于
图像处理
python图像处理笔记-十一-多视图重建与立体图像
多视图重建
由于照相机运动给我们提供了三维结构，所以这样计算三维重建的方法通常称作SFM （Structure from Motion，从运动中恢复结构）。我们假设摄像机已经标定，计算重建可以分为下面四个步骤：
检测特征点，在两幅图像中匹配
...
python图像处理笔记-十-外极几照相机和三维结构的计算
发表于
|
分类于
图像处理
python图像处理笔记-十-外极几照相机和三维结构的计算
到这里就已经到书中的第五章了，进度大概是在50%。这一章介绍的如何处理多个视图，以及如何利用多个视图的几何关系来回复照相机位置信息和三维结构。通过在不同视点拍摄出的图像，可以使用特征匹配来计算出三维场景点以及照相机位置。
外极几何
多视图集
...
python图像处理笔记-九-简单标定、姿态估计与增强现实
发表于
|
分类于
图像处理
python图像处理笔记-九-简单标定、姿态估计与增强现实
一种简单的标定方法：
在上一个笔记中我们学习了张正友标定法，并且挖了一个用张正友标定法标定相机的坑，但是这个坑目前还填补上。这一节里面我们要学的是用一种非常简单的方法进行标定，方法如下：
需要准备的东西
一个矩形（一本书就可以了）
一个卷
...
python图像处理笔记-八-针孔照相机模型与照相机标定
发表于
|
分类于
图像处理
python图像处理笔记-八-针孔照相机模型与照相机标定
前几天去忙别的事情了，大概有一个周没有更新了，周末有时间了赶紧学一手。这里对应的是书中的第四章 ，能坚持到这里的话，就已经啃完了书的三分之一了。
参考教材：
python计算机视觉编程
视觉SLAM十四讲，从理论到实践 ## 针孔照相机模型
...
python图像处理笔记-七-图像扭曲与配准
发表于
|
分类于
图像处理
python图像处理笔记-七-图像扭曲与配准
对图像块使用仿射变换，我们将其称为图像扭曲。该操作不仅出现在计算机图形学中，还出现在计算机视觉算法中，扭曲可以用scipy的ndimage完成：
1transformedIm = ndimage.affine_transform(im, A, b, si
...