~华仔的博客

# -*- coding: utf-8 -*-import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dsize = 30##计算欧式距离def distEuclid(x,y): return np.sqrt(np.sum((x-y)**2))##随机产生n个dim维度的数据 (这里为了展示结果 dim取2或者3)def genDataset(n,dim):.

PointNet++核心问题：点云的分类/语义分割1、网络构成PointNet提取特征的方式是对所有点云数据提取了一个全局的特征（见上图），显然，这和目前流行的CNN逐层提取局部特征的方式不一样。受到CNN的启发，作者提出了PointNet++，它能够在不同尺度提取局部特征，通过多层网络结构得到深层特征。PointNet++由以下几个关键部分构成：1.1采样层（sampling）激光雷达单帧的数据点可以多达100k个，如果对每一个点都提取局部特征，计算量是非常巨大的。因此，作者.

基于K近邻的反距离权重插值——IDW基本思想离散点距离所估计的点越近，则对所估计的点影响越大，权值越大；反之，离散点距离所估计的点越远，则影响越小。上图为pointnet++中的基于K近邻的反距离权重插值，论文中p=2,k=3。...

尺度不变性首先讲一下尺度不变性这一概念：如果一个机器学习算法在缩放全部或部分特征后不影响学习和预测，就称该算法具有尺度不变性。还有神经网络具有尺度不变性，因为网络可以通过参数的调整能适应不同的尺度的特征。数据归一化我们看一下数据归一化，如图（a）未归一化的数据的等高线，由于数据尺度上的不同，造成大多数梯度的方向并不是最优的搜索方向。如果我们把数据归一化成相同的尺度如图（b）,那么大部分梯度的方向近似于最优搜索的方向，这样在梯度下降求解时，训练效率大大提高。归一化方法1、最小最大归一化2、标

one-hot编码解析1、什么是one-hot编码？One-Hot编码，又称为一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效。2、如何编码？例如：要编码 0 - 9 ：用十位的0和1进行编码0：10000000001：01000000002：00100000003：00010000004：00001000005：00000100006：00000010007：00000001008：00000000109：00

1、算法流程假设点个数为N，N = {P1,P2,…,Pn}，经过采样后点的集合为S，初始时S = {}，采样c个点<1> 在N个点中随机选择1个点Pk1，放入S，S = {Pk1}<2> 计算剩余n-1个点到点集S的距离，总共得到n-1个距离，选取距离点集S最远的点Pk2，放入S，S = {Pk1，Pk2}<3> 计算剩余n-2个点到点集S的距离，对于n-2个点中的其中一点来说，此时点集S中有两个点，我们计算得到两个距离，选择最小的那个距离，作为该点到集合的距离

作为刚入门的CV新人，要记住计算机视觉方面的三大顶级国际会议：ICCV，CVPR和ECCV，统称为ICE。ICCV的全称是International Comference on Computer Vision。两年一次，是公认的三个会议中级别最高的。CVPR的全称是International Conference on Computer Vision and Pattern Recogin...

主要看两个博客：博客一：逐字理解目标检测一：https://blog.csdn.net/qq_32678471/article/details/84776144逐字理解目标检测二：https://blog.csdn.net/qq_32678471/article/details/84792307逐字理解目标检测三：https://blog.csdn.net/qq_32678471/...

https://blog.csdn.net/briblue/article/details/82012575

https://blog.csdn.net/qq_29893385/article/details/81213377