KITTI数据集Raw Data与Ground Truth序列00-10的对应关系，以及对应的标定参数
一、KITTI官方提供的真值下载地方网站：Visual Odometry / SLAM Evaluation 2012具体位置：Download odometry ground truth poses (4 MB)下载后文件如下：这里有序号00-10，共11个真值数据（内数据是KITTI格式的）二、
机器学习开篇之机器学习的分类
目录1 引言2 机器学习分类2.1 监督学习（Supervised Learning）2.1.1 传统监督学习2.1.2 非监督学习2.1.3 半监督学习2.1.4 其它分类2.2 强化学习（Reinforcement Learning）3 总结首先，我们给出四个机器学习任务以上四
【图神经网络实战】深入浅出地学习图神经网络GNN（下）
最简单的思路是：我们可以将每个时刻的序列先送入GCN进行特征提取，然后再将提取后的特征送入GRU单元往后传递，依此类推。图中的注意力机制相当于在某个点进行特征重构时，其邻接点都加上一个权重，使得其在重构特征时受权重较大的邻接点影响更大，起到注意力的效果。对于动态图，传统的GNN就不太好用了，想想在时
手把手教你完成一个Python与OpenCV人脸识别项目（对图片、视频、摄像头人脸的检测）超详细保姆级记录！
彩色图像中的每个像素颜色由R、G、B三个分量来决定，而每个分量的取值范围都在0-255之间，这样对计算机来说，彩色图像的一个像素点就会有256*256*256=16777216种颜色的变化范围！在下图的路径中，我们可以看到需要xml文件，这些都是OpenCV中自带的分类器，根据文件名我们可以看到有识
Visual chatgpt多模态大模型的前菜
visual chat将会是多模态大模型一个过渡态，Gpt4以及他的后代一定会用集成电路的模式取代这个分立元器件组成的通用多模态模式。但是它的很多思路是值得我们学习的。
制作符合期刊审图号标准的中国地图（含九段线）
好在前人种树，后人乘凉，目前有几种带审图号的shp资源，应该是个人通过上述方法转的。这些问题在做图中应该是避免的，但前不久有小伙伴求助帮忙改图，原因是论文录用了，但是审图时地图不符合规范，又要重新修改，影响论文发表进度，十分可惜。发中文期刊涉及中国地图需进行地图审核获得审图号，要将我们原始的地图用标
BEV视觉3D感知算法梳理
这部分的实现逻辑与传统的Transformer的Decoder的逻辑类似，利用Cross-Attention模块将生成的3D空间下的Object Query和具有3D空间位置的语义特征进行交互，得到Output Embedding，然后利用FFN网络充当3D检测头实现最终的3D检测结果。
数字图像处理总结（冈萨雷斯版）
数字图像处理（冈萨雷斯版本）课程复习
【Google Earth Engine】利用GEE进行Landsat 8 SR数据土地利用分类
最近用学习到的知识进行了利用GEE和Landsat 8 SR数据进行土地利用分类的小实验，在这里进行一些学习记录。一、数据导入首先在GEE中上传要进行土地利用分类的行政区域边界，这里是以雄安新区为例。二、遥感数据筛选使用的数据是Landsat 8 OLI/TIRS传感器的SR数据集，SR数据利用QA
用Python实现地理信息出图(含比例尺、指北针、图例)
最近用GIS在批量出图，发现一张一张出图真的麻烦（那个累啊！！！）于是便有了今天这篇文章，初步教大家如何用Python出那种开起来专业一点点的GIS图。
三维点云预处理之点云去噪
三维点云去噪常用方法介绍
无卷积步长或池化:用于低分辨率图像和小物体的新 CNN 模块SPD-Conv
No More Strided Convolutions or Pooling:A New CNN Building Block for Low-ResolutionImages and Small Objects 无卷积步长或池化:用于低分辨率图像和小物体的新 CNN 模块SPD-Conv提出了一
最新版本 Stable Diffusion 开源 AI 绘画工具之汉化篇
工欲善其事必先利其器
【深度强化学习】多智能体算法汇总
本文收纳了常见的多智能体强化学习方法，并简单介绍各个算法。
MFCC语音特征值提取算法
MFCC意为梅尔频率倒谱系数，顾名思义，MFCC语音特征提取包含两个关键步骤；将语音信号转化为梅尔频率，然后进行倒谱分析。梅尔频谱是一个可用来代表短期音频的频谱，梅尔刻度（Mel Scale）则是一种基于人耳对等距的音高变化的感官判断而确定的非线性频率刻度。梅尔频率和正常的频率f之间的关系：当梅尔刻
4 海康视觉平台VisionMaster 上手系列：常用工具（一）
快速入门 工业机器视觉机器视觉
GPT-4发布：人工智能新高度，以图生文技术震撼，短时间内挤爆OpenAI模型付费系统
GPT-4是人工智能领域的一个新里程碑，它拥有强大的多模态能力和创造力，可以处理各种类型的数据和任务，为我们提供了无限的可能性和机会。它将给我们带来许多便利和乐趣，比如帮助我们学习、工作、娱乐、创作等等。它也将给我们带来许多挑战和责任，比如保护隐私、防止滥用、维护公平、促进发展等等。我们应该积极地探
【问题解决】训练和验证准确率很高，但测试准确率很低
采用ResNet50预训练模型训练自己的图像分类模型。训练和验证阶段准确率很高，但随机输入一张图片时，大多数情况下依旧预测得不准确。
YOLO_v4讲解
YOLO_v4最全讲解
2022图像去雨综述研读——单幅图像去雨数据集和深度学习算法的联合评估与展望
数据集的质量依据数据集构建方式分类：基于背景雨层简单加和背景雨层复杂融合GAN数据驱动合成的数据集半自动化采集的真实数据集图像去雨方法依据任务场景单任务——雨滴、雨纹、雨雾和暴雨的去除联合任务——雨滴和雨纹、所有噪声去除依据采取的学习机制和网络设计CNN结构多分支组合GAN的生成结构循环和多阶段结构
