Algorithm[57]
单目相机的测距 - The Distance Estimation of Monocular Camera
正文 在 ADAS 中，测距这项需求一般源于自适应巡航控制（ACC）。ACC 是纵向距离控制，需要能够发现目标，测量相对速度和相对距离，并预测目标的运动轨迹。 对于测距而言，最直接的方法是采用毫米波雷达、激光雷达和双目相机。那为什么还要用单目呢？核心原因还是成本。单目相机便宜、部署简单，但也带来两个
机器学习八股文 - 模型相关
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估计值之间的差
深度学习八股文 - 基础概念
NN 中的 Bias？ 偏置 (bias) 相当于给线性变换加入常数项 b，使 z = Wx + b 而非 z = Wx。它的作用是允许激活函数（进而决策边界）向左或向右平移，使模型更好地适应不经过原点的数据分布。 常见实现方式有两种： 单独维护偏置向量 b 在输入向量前拼接常数 1，将偏置并入权重
深度学习 - 卷积神经网络 Convolutional Networks
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）。
深度学习 - 深度前馈网络 Deep Feedforward Networks
在机器学习中，如果想对非线性函数进行建模，深度前馈网络能够实现这一目标。 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^\top x 非线性函数的输入函数： \hat{y} = f(\phi(x); \theta) 其中： \phi(
关于深度学习(Deep Learning ACS61011)这门课
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
机器学习 - 正则化和优化器(Regularisation and Optimisers)
当模型可调节参数（自由度）过多时，容易学习到训练数据中的噪声，进而出现过拟合（训练集误差小、测试集误差大）。因此要对模型的参数引入某种限制，在训练过程中避免过拟合。 正则化通过在损失函数中加入参数惩罚项，约束参数规模，迫使模型优先学习数据的通用规律，而非噪声。 范数 在正式进入正则化的学习之前，先了
机器学习- 感知机 Perceptron
Neural Networks, NN 1943 年 Warren McCulloch 和 Walter Pitts 提出了最早的神经元数学模型（McCulloch-Pitts 神经元），可看作人工神经网络（artificial neural network, ANN）的雏形，通常也简称为神经网络（
机器学习 - 分层聚类和Kmeans
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 Exp
机器学习 - 主成分分析(PCA)
主成分分析 获取到的数据集通常都会有很高的维度，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 Analysis, PCA) 的方法。PCA 算法在无监督学习中扮演着重要的角色。 PCA 的目的是通过某种变换，将数据的