写在前面 YOLOv8 是 Ultralytics 公司在 2023 年 1月 10 号开源的 YOLOv5 的下一个重大更新版本，目前支持目标检测，目标分割，物体分类和姿态估计。 很多YOLO介绍blog会附上下面的结构图，虽然99%的人不会去看，而且我也是那99%的其中一员，不过为显专业（啊这该
Published on 2023-07-10
写在前面 ARM架构下的 torch 安装比较烦人，不是麻烦，而是烦人。 网络上大部分教程虽然写着“Jetson的torch安装”，不过基本都是用官方stable的whl安装，这些安装本身没有什么问题，但是官方ARM架构的torch并不支持 CUDA，torchvision 亦如是。 这个方法也并不
Published on 2023-06-25
方向的概念 单目相机的3D目标检测是在2D目标检测的基础上绘制出3D BBox任务，目标方向的估计是其中重要一环。 在单目相机3D视觉检测中，要理解一个重要概念：即Egocentric 自我中心和Allocentric 客体中心间的区别。这两个概念来自空间认知领域，Egocentric Frame
Published on 2023-05-31
每日一问：... ：没有。 写在前面 即便是完全依靠着CNN检测出的2D bbox可以估计目标的深度，但是后续的预测，规划和运动控制，都需要物体的3D信息。更何况，如果能恢复目标的3D信息，对测距精度的提高也有很大的帮助。 激光雷达和深度相机固然精度很高，但是贵。而且在Lidar和Depth Cam
Published on 2023-05-30
写在前面 单目相机测距是怎么回事呢？单目相机相信大家都很熟悉，但是测距是怎么回事呢？下面就让小编带大家一起了解吧。 单目相机测距，其实就是测距了。那么单目相机为什么会测距，相信大家都很好奇是怎么回事。大家可能会感到很惊讶，单目相机怎么会测距呢？但事实就是这样，小编也感到非常惊讶。那么这就是关于单目相
Published on 2023-05-24
Published on 2023-04-08
单目相机成像原理 几个概念 光轴：垂直穿过理想透镜中心的光线。 焦点：与光轴平行的光线射入凸透镜时，理想的凸镜应该是所有的光线会聚在透镜后面一点上，这个会聚所有光线的一点，就叫做焦点。 焦距：镜片的中心到焦点为止的光轴上的距离，入射平行光线（或其延长线）与出射会聚光线（或其延长线，在下图中为红色虚线
Published on 2023-02-27
回归 线性回归的四个假设 线性关系：自变量 x 和因变量y之间存在线性关系。 独立性： 残差是独立的。特别是，时间序列数据中的连续残差之间没有相关性。 同方差性： 残差在 x 的每个水平上都有恒定的方差。 正态性： 模型的残差呈正态分布。 误差和残差 误差是观察值与真实值之间的差；残差是观察值与模型
Published on 2022-11-23
NN中的Bias？ 偏置允许激活函数向左或向右移动以更好地适应数据。 反向传播是啥？ 允许来自 Cost Function 的信息，从网络末端反向向前传播，以便计算梯度 -> 更新参数。 梯度消失 首先，要知道NN是基于链式法则，因此层数越深，梯度将以指数形式传播。 梯度越来越小，权重值不再产生变化
Published on 2022-11-20
卷积神经网路 Convolutional Neural Network CNN CNN的结构 卷积层 Convolution 池化层（下采样） Polling 全连接层 Full connection 卷积层 最基础的2D卷积操作，涉及到一个2D的过滤器（filter），或者说是核（kernel）。
Published on 2022-11-04
在机器学习中，如果想对对非线性函数进行建模，深度前馈网络能够实现非线性函数的建模。 在深度学习中，使用一个简单函数的深度链来学习输入数据。 线性函数的输入函数： \hat{y} = \theta^Tx 非线性函数的输入函数：\hat{y} = f(\phi(x);\theta) 其中，\phi(x)
Published on 2022-11-03
关于这门课 这门课的授课老师是号称谢菲尔德大学最受欢迎的Lecture - Dr Sean Anderson。课堂的风格确实比较生动有趣，而且因为Deep Learning目前仍然比较前沿的原因，课堂上时常举一些比较cool或者exciting的例子，比如一次关于CUDA的课堂，开始跟我们讨论比特币
Published on 2022-11-03
正则化回归模型 在一个模型中，自由度（可调节的参数）越多，就越容易过度拟合。因此需要约束这个模型，又称正则化 常见的正则化方法： Ridge Regression，也被称作L2 Regression Lasso Regression，也被称作L1 Regression Elastic Net 在上述
Published on 2022-10-27
Artificial Neural Networks, ANN ANN是受构成动物大脑的生物神经网络模糊启发的计算系统。本文简单介绍一下ANN，详细的内容会在后面写深度学习的时候再说。 ANN可用于： 分类（多层感知器） - 模式识别（多层感知器、延时神经网络和递归网络等） 回归/函数逼近（前馈架构
Published on 2022-10-26
聚类 聚类是一种无监督的机器学习方法，它能使类似的对象从其他对象中分离出来。它是无监督的，因为我们没有给模型任何标签；它只是检查特征并确定哪些样本是相似的并属于一个群组。 常见的聚类算法有： 分层聚类算法（Hierarchical Cluster Analysis HCA） k-Means Expe
Published on 2022-10-26
主成分分析 通常获取到的数据集都会有很高的维度，会给运算造成很大压力，所以需要降维，但是我们并不知道哪些数据更关键，因此引入了主成分分析 （Principal Component Analyses，PCA）的方法。 假设有个m维向量 \vec X，我们希望用 I个变量来保存它，如果简单地把 \vec
Published on 2022-10-25
机器学习的建模流程 Figure 1 Pipeline of Machine Learning 研究问题 采集数据 数据清洗 在采集到的数据中，可能有丢失的，比如NaN或者null，这种数据是不能直接拿来用的。为了解决这个问题，这部分数据会被imputed，具体impute的方法要根据数据的类型来决
Published on 2022-10-23
决策树（Decision Trees） 对于决策树，目标变量是连续数值的，被称为回归树；若是离散值，被称为分类树。 决策树的组成 · 根结点（Root node）：代表整个数据集或采样，并且可以被分为2个或多个同质的集合。 · 决策节点（Decision node）：通过条件判断，决定如何分支。 ·
Published on 2022-10-22
线性回归 回归被用来估计或解释一个独立变量（y）和一个or更多独立变量（x_i）之间的关系。最基础的回归-线性回归-基于一个线性方程。 假设这个方程为: y = \theta_1 x+ \theta_0 此处 y 是一个独立变量，\theta_0 和 \theta_1 是模型的参数，x 是另一个独立
Published on 2022-10-22
Data Modelling and Machine Intelligence （DMMI） 数据建模和机器智能 其实这门课就是在讲机器学习（Machine Learning），起个这么长的名字属实没必要。 这门课的老师是 Dr John Oyekan，是一名非常年轻的，刚刚入职没多久的，黑人讲师，
Published on 2022-10-21
