HDF5数据文件格式
HDF5数据文件格式的简单介绍与基本使用方法。
机器学习
62 篇
强化学习与模仿学习Buglist（不定时更新）
强化学习环境搭建，项目运行过程中可能遇到的bug与解决方法记录
PCL库的安装与基本使用
C++使用最广泛的点云库
Nerf(instant-ngp)快速实现三维重建
Instant-NGP全称Instant Neural Graphics Primitives，它通过多分辨率哈希编码，解决了NeRF对全连接神经网络进行参数化时的效率问题，大大提升了网络的训练速度，使三维重建速度可以从几小时缩短到几秒钟。
【强化学习算法】近端优化策略PPO
介绍强化学习的一种基础算法，近端优化策略（Proximal Policy Optimization，PPO）
【目标检测算法】YOLOV8代码复现
使用经典的YOLO算法进行实例分割
【6D位姿估计算法】Gen6D算法
算法复现
【6D位姿估计算法】GDRNPP算法
TensorBoard的使用丨深度学习曲线生成
在深度学习训练过程中，我们必定会需要观察系统的Loss、Learning_rate等参数的变化，因此实时绘制曲线图是十分有必要的。本文就介绍了如何利用Pytorch的TensorBoard绘制曲线图。
【论文笔记】ECCV2020-2022 6D位姿估计相关论文
检索阅读近三年ECCV6D位姿估计相关论文并进行记录
【论文笔记】CVPR2020-2022 6D位姿估计相关论文
检索阅读近三年CVPR6D位姿估计相关论文并进行记录
【论文笔记】DenseFusion被引论文丨无代码
检索了DenseFusion的被引论文，但是因为太多都没有开源代码，看了两篇就转向只关注顶会论文了。
【统计学习方法笔记04】朴素贝叶斯法
统计学习方法的学习笔记
多版本OpenCV共存安装
由于跑一些项目的时候，由于时代问题，有些程序是使用opencv2写的，现在大家普遍都安装的opencv4，由于项目代码繁多，修改源码过于麻烦，因此考虑多版本opencv共存安装。
【统计学习方法笔记03】k近邻法
近邻算法，假设给定了一个训练数据集，其中实例类别已定。分类时，对新的实例，根据其k个最近邻的训练实例的类别， 通过多数表决等方式进行预测。因此，k近邻法不具有显式的学习过程。
【统计学习方法笔记02】感知机
感知机是二类分类的线性分类模型，输入为实例的特征向量，输出为实例的类别，旨在求出将训练数据进行线性划分的分离超平面。
【统计学习方法笔记01】统计学习概论
统计学习是关于计算机基于数据构建概率统计模型，并运用模型对数据进行预测与分析的一门学科。本文是对李航老师的《统计学习方法》一书学习笔记。
制作自己的Linemod数据集（ObjectDatasetTools）
目前正在学习6D位姿估计算法，该领域最常用的数据集就是LineMod数据集，但是只在数据集上测试还是不够，想要实际应用还需要搭建自己的数据集。
【论文笔记】FFB6D
FFB6D相当于在特征提取阶段就将RGB和点云信息进行了融合，然后进行实例分割和关键点检测。
【论文笔记】DenseFusion
本文提出了一种异形架构，对两个数据源（RGB和深度图）进行分别处理，并用一种新型的dense fusion network提取像素级稠密特征，从中估计姿态。
【6D位姿估计算法】PVNet
尝试测试PVNet，中途放弃。
【6D位姿估计算法】PoseCNN
解决物体之间的遮挡和聚集增加的6D位姿估计的难度，通过主干网络加ICP点配对的方式实现位姿估计。
【深度学习笔记08】经典神经网络
目标检测的基本实现方法，从目标定位开始，总结了特征点检测、目标检测、滑动窗口法、NMS非极大抑制等目标检测的算法。
【深度学习笔记08】经典神经网络
本文介绍了一些经典的神经网络模型，包括实现LeNet-5，AlexNet，VGG-16，ResNet，Inception网络等的网络结构。
【深度学习笔记07】卷积神经网络
为什么神经网络对图片进行分析时经常使用卷积，为什么会有padding和stride，池化层和全连接层的作用是什么？
【深度学习笔记06】参数调试处理
介绍了神经网络中一些常用参数的选择原则和大概范围，以及BN和softmax的基本原理。
【6D位姿估计算法】linemod的介绍与代码测试
LineMod算法是Hinterstoisser等人在2011年提出的，通过采用模板匹配的方法，解决了杂乱场景下少纹理三维物体的实时监测与6D位姿估计定位问题。
【深度学习笔记05】深度学习常用优化算法
本文介绍了最常用的几种优化算法，从划分子集mini-batch开始，介绍了动量梯度下降法Momentum，RMSprop，以及两者的结合体Adam，几种方法的实现方法和基本原理。
【深度学习笔记04】改善训练效果与训练速度的一些要素
改善神经网络的训练效果有很多方面，比如避免欠拟合和过拟合，利用正则化等等。不同的方法其作用效果也不同。
【深度学习笔记03】线性回归与Softmax回归及其损失函数
深度学习的线性回归，基本的优化算法，以及Softmax回归和损失函数的实现。
【深度学习笔记02】数据操作的实现与线性代数基础
介绍了使用pytorch和pandas实现基本数据的操作方法，以及使用torch进行基本线性代数运算、求导计算的方法。
COLMAP+OpenMVS实现物体三维重建mesh模型
COLMAP是一种通用的运动结构(SfM)和多视图立体(MVS)工具，具有图形和命令行界面。OpenMVS是目前的三维重建的框架中，复原效果较好的，而且提供自动化的脚本。
三维重建方法汇总
三维重建是用相机拍摄真实世界的物体、场景，通过计算机视觉技术进行处理，从而得到物体的三维模型。主要涉及技术包括：多视图立体几何、深度图估计、点云处理、网格重建和优化、纹理贴图、马尔可夫随机场、图像分割等。
深度学习Buglist（不定时更新）
在跑深度学习代码，进行训练和预测过程中，肯定会遇到各种报错，本文总结了本人遇到的一些errors总结在这里，不定时更新。
经典实例分割模型Mask RCNN
Mask R-CNN是He Kaiming大神2017年的力作，其在进行目标检测的同时进行实例分割，取得了出色的效果。
【深度学习笔记01】神经网络与深度学习
笔者从零开始学习深度学习的笔记，本章介绍深度学习最最底层的数学思路，以及基于回归的简单的深度学习的算法思路和相关代码。
如何理解卷积神经网络中的通道channel
总结了一些新手会在入门深度学习过程中遇到的不理解的概念。
如何理解卷积神经网络中的通道channel
一般channels的含义是，每个卷积层中卷积核的数量。最初输入的图片样本的channels，取决于图片类型，比如RGB；卷积操作完成后输出的out_channels，取决于卷积核的数量。此时的out_channels也会作为下一次卷积时的卷积核的in_channels。
卷积是如何计算的
卷积操作其实就是每次取一个特定大小的矩阵，然后将其对输入矩阵依次扫描并进行内积的运算过程。
深度学习环境配置CUDA+TensorFlow2+Keras
Anaconda + CUDA + TensorFlow2 + Keras的深度学习环境搭建过程。
深度学习环境配置Pytorch
常用深度学习环境 Pytorch 的安装教程。
ROS 识别 Aruco 标记位姿
识别Aruco位姿的功能包，安装、测试与使用说明。
Staple目标跟踪算法C++代码测试
Staple综合了局部特征HOG和全局特征颜色直方图用于目标跟踪的算法。此测试已经在win与ubuntu以及ros环境下完成，运行正常。
【目标识别】SIFT算法理论部分
SIFT是尺度不变特征转换，是一种用来检测和描述图像局部特征的算法。算法实际上是要在不同尺度空间中寻找极值点，并提取其位置、尺度和旋转不变量，这些关键点不会因光照、仿射变换和噪音而变化。主要实现步骤：（1）尺度空间极值检测；（2）关键点定位；（3）方向分配；（4）关键点描述和匹配。
ImportError No module named cv2问题的解决方法（修改python默认版本）
在调用opencv安装包时，会出现ImportError No module named cv2的问题。我确定我已经安装了opencv，查阅资料后发现是因为安装opencv是会安装的python版本，与系统默认使用的版本不一致，才会导致找不到模块。
【OpenCV/C++】KNN算法识别数字的实现原理与代码详解
KNN算法，即K最近邻算法，其原理是当要预测一个新的值x的时候，根据离他最近的K个点大多属于什么类别来判断x属于哪个类别。同理可类比到图像识别方面。
一文详解opencv摄像头数字识别
本文的目标是实现识别摄像头图像中的数字。实际应用场景包括 车牌号识别 ，部分竞赛的 A4纸打印数字识别 。摄像头数字识别分为两个步骤：1. 提取图像中的ROI区域，如截取车牌的矩形区域，或截取A4纸的图像。2. 对ROI区域进行数字识别。数字识别相对来说较为简单，先介绍数字识别的方法和原理。
【学习OpenCV4】人脸检测的实现方法
首先需要到opencv的github网站上下载`opencv/samples/dnn/face_detector/`中所有的文件，并覆盖到本地的目录中。然后用记事本打开weights.meta4文件，下载其中两个url对应的文件。
【学习OpenCV4】图像的模糊处理方法（均值滤波与高斯模糊）
均值滤波用到的是图像卷积原理。由下图所示，卷积核为三阶单位矩阵时，进行均值滤波，原图像的每个三阶子矩阵都会求其均值，并将均值赋给中间的元素。
【学习OpenCV4】什么是图像的直方图？如何获取直方图？
图像直方图是图像像素值的统计学特征、计算代价较小，具有图像平移、旋转、缩放不变性等众多优点，广泛地应用于图像处理的各个领域，特别是灰度图像的阈值分割、基于颜色的图像检索以及图像分类、反向投影跟踪。常见的分为灰度直方图和颜色直方图。
【学习OpenCV4】摄像头视频的读取与存储
在图像处理中，读取视频并进行处理是必不可少的操作，在OpenCV中，读取摄像头的视频所用到的主要函数为 capture()。本文介绍了使用OpenCV读取摄像头视频的方法，以及对摄像头视频进行存储操作的函数实现过程以及具体的解释。
【学习OpenCV4】图像变换方法总结（放缩、翻转、旋转）
常见的图像变换方法包括图像的放缩、图像的翻转、图像的旋转等。在OpenCV中，这些图像变换操作都有着其对应的函数。通过对函数定义的解释以及具体例子，介绍各种图像变换的方法。
【学习OpenCV4】图像像素数据类型的转换与归一
归一化就是要把需要处理的数据经过处理后（通过某种算法）限制在一定范围的之内。为了后面数据处理的方便，其次是保证程序运行时收敛加快。
【学习OpenCV4】在OpenCV中响应键盘与鼠标操作
主要介绍了OpenCV中键盘和鼠标的响应方法，其中用到的各种函数，以及函数各个参数的解释。利用鼠标和键盘的响应编写了一些有趣的小程序。
【学习OpenCV4】随机数的使用与随机线条的生成
C和C++中提供了rand() 和srand()函数用于产生随机数，使用C++编写OpenCV代码时也可以使用。同时OpenCV自身也提供了生成随机数的类RNG，使用起来也十分方便，本文主要介绍RNG的使用方法，以及基于RNG生成的随机数，绘制随机线条的方法。
【学习OpenCV4】几何图形的绘制方法
本文介绍了使用C++与OpenCV4完成矩形、圆形、直线、椭圆的绘制方法，重点总结了OpenCV内置函数（如rectangle()、circle()、line()、ellipse()）的定义以及各参数的作用，并给出了示例程序作为参考。此外本文还总结了多边形的绘制方法，包括多边形边框的绘制函数polylines()、多边形填充函数fillPoly()、绘制多个多边形的函数drawContours()等。
【学习OpenCV4】教你替换绿幕背景
绿幕图像的背景替换需要经历①色彩空间转换、②提取绿幕区域、③反转绿幕区域、④复制图像，其中遇到的各种函数和代码也都在本文有详细介绍。
【学习OpenCV4】图像通道的分离、合并与混合方法（C++）
图像通道的分离后输出的多通道序列一般使用 std::vector mv; 来存储，mv[0]、mv[1]、mv[2]、分别对应BGR三个通道。但是现在显示的相当于是三张单通道的图像，也就相当于三张灰度图像。要想让三张图像恢复直观意义上的色彩，就需要使用下面通道合并的方法了。
【学习OpenCV4】滚动条Trackbar的创建与使用详解
OpenCV中使用 createTrackbar() 来创建滚动条，函数的使用方法如下，各个参数的作用也在下面的表格中给出。
【学习OpenCV4】如何操作图像中的像素?
图像的像素操作包括读写操作、算数操作、逻辑运算操作等。像素的操作方式不仅多样，对于灰度图的操作和对彩色图的操作也有各自的特点。对像素点的操作可以使我们访问图像的每一个像素点，实现许多意想不到的功能。
【学习OpenCV4】图像的基本操作
色彩空间转换函数：cvtColor。GRAY：指灰度，只有一个参数灰度值Channel。BGR：指BGR颜色空间，以红绿蓝三基色(0~255)为基础，叠加形成各种颜色。HSV：指六角椎体模型，色调Hue用角度度量（0~180），饱和度Saturation（0 ~ 255），亮度Value（0 ~ 255）。
【学习OpenCV4】Win10下OpenCV4.5+VS2019安装与环境搭建（详细过程）
首先下载并解压OpenCV。建议到opencv的官网下载windows版本的安装包。如果觉得下载速度过慢，我也把opencv4.5.2安装包上传了阿里云https://www.aliyundrive.com/s/VGkaM7vyuck 注意解压的路径，一定要是一个英文路径