主題: image registration 圖像配準(zhǔn) 針對(duì)多時(shí)段、多視角、多傳感器采集的圖像，比較兩幅圖像特征求解對(duì)應(yīng)關(guān)系進(jìn)而進(jìn)行相互對(duì)齊。alignment 主流方法： ...
發(fā)簡(jiǎn)信
IP屬地：江蘇
-
Multi-Temporal Remote Sensing Image Registration Using Deep Convolutional Features
-
與其內(nèi)耗 不如充實(shí)
想得太多，思想負(fù)擔(dān)過重，可能是“精神內(nèi)耗”最明顯的特點(diǎn)之一。 但很多擔(dān)憂其實(shí)都沒有必要。 沒有必要總是對(duì)他人的情緒負(fù)責(zé)； 沒有必要因?yàn)樗说倪^錯(cuò)而生氣； 沒有必要一定要完美；...
-
focal-loss
概率分布 概率分布，是指用于表述隨機(jī)變量取值的概率規(guī)律。事件的概率表示了一次試驗(yàn)中某一個(gè)結(jié)果發(fā)生的可能性大小。若要全面了解試驗(yàn)，則必須知道試驗(yàn)的全部可能結(jié)果及各種可能結(jié)果發(fā)生...
-
-
Segmentation
數(shù)據(jù)的分布： 是否可分，如果不可分，分類器學(xué)習(xí)會(huì)失敗 如果可分，選用哪類分類器比較合適 數(shù)據(jù)類別自身有明顯不同的分布：OTSU無監(jiān)督 數(shù)據(jù)類別分布不理想，需要有監(jiān)督來標(biāo)記分類...
-
2021-02-23
時(shí)間有限：不可能一直優(yōu)化下去，只能在有限的時(shí)間里高效率的找到一個(gè)較優(yōu)的方案。關(guān)鍵不是刷點(diǎn)，主要是idea是否有啟發(fā)性，是否有方法上的貢獻(xiàn)點(diǎn)。 對(duì)于調(diào)參：一個(gè)優(yōu)秀的模型一定也是...
-
產(chǎn)品架構(gòu)設(shè)計(jì)
目的簡(jiǎn)潔、可維護(hù)、可升級(jí)、可兼容、易理解和二次開發(fā)。 面向過程編程 面向?qū)ο缶幊?成員變量 成員方法 私有 vs 開放 函數(shù)間參數(shù)的傳遞，傳入傳出 增加入口參數(shù)個(gè)數(shù) 通過全局...
-
Deep Transfer Learning for Person Re-identification1. 背景 1.1 分類問題 場(chǎng)景：identification & verification 識(shí)別：已知類別個(gè)數(shù)，判斷輸入樣本所屬類。Classifier- or Matc...
-
OpenCV, g++, vscode
Configrations ~/.bashrc: Compile demo using pkg-config ~/.bashrc: /home/username/local/...
-
積極、開心、樂觀、激情與專注
近階段的生活總是被消極的情緒圍繞著，苦悶、彷徨、失落、逃避，無法專注地、心無雜念地做事。一切煩惱都是由自己內(nèi)心生出，蠅營狗茍，患得患失，失去了生活的激情與意義，內(nèi)心不得寧靜。...
-
argmax不可導(dǎo)不可導(dǎo)操作https://spaces.ac.cn/archives/6620[https://spaces.ac.cn/archives/6620] 不可導(dǎo)函數(shù)的可導(dǎo)逼近 ...
-
-
優(yōu)化方法相關(guān)
深度學(xué)習(xí) 反向傳播 loss 函數(shù)用法 pytorch loss官方源碼：https://github.com/pytorch/pytorch/blob/master/tor...
-
使用神經(jīng)元實(shí)現(xiàn)邏輯操作
and 其中為激活函數(shù)，, if , else 。 or 其中, if , else xor sigmoid .使用sigmoid對(duì)多維特征向量進(jìn)行二分類https://zh...
-
