PyTorch-HITNet分层迭代瓷砖精加工网络,用于实时立体声匹配 使用PyTorch的HITNet实施 这是一个包含实现Google论文HITNet的代码的存储库:用于实时立体匹配的分层迭代切片优化网络 该项目是初始版本,可以训练和测试模型,但可能包含一些错误,需要进一步修改和调试。 如果您发现有关我的代码的任何问题,请打开问题或尽快与我联系( )。 当前,该项目无法复制原始论文中报告的准确性和速度。 在速度方面,官方实现使用其优化的cuda op来加速参考和培训。(请参考其,该尚未包含模型代码)。 感谢弗拉基米尔·坦科维奇(Vladimir Tankovich)的帮助,他与他的团队一起提出了这个强大的立体声网络,并为我提供了许多原始论文的细节和说明。 另外,我还要感谢@ xy-guo,他提出了出色的 ,因为代码是从他的存储库中部分借用的。 要求 Pytorch = 1.1
2021-11-10 17:32:00 36KB Python
1
Matrix Iterative Analysis (Richard S. Varga)
2021-11-09 21:25:33 23.87MB Matrix Iterative Analysis
1
点集配准对于多台摄像机的校准,3D重建和识别等非常重要。迭代最近点(ICP)算法对于相同比例的点集配准来说是准确且快速的,但是不能处理不同比例的情况。 取而代之的是,本文介绍一种称为缩放迭代最近点(SICP)算法的新颖方法,该算法将带有边界的缩放矩阵集成到用于缩放配准的原始ICP算法中。 在此算法的每个迭代步骤中,我们都建立了两个mD点集之间的对应关系,然后使用简单快速的迭代算法以及奇异值分解(SVD)方法,并结合了抛物线的性质来计算比例,旋转和平移转换。 已经证明,SICP算法可以从任何给定参数单调收敛到局部最小值。 因此,要达到所需的全局最小值,就需要良好的初始参数,本文通过分析点集的协方差矩阵成功估算了这些参数。 SICP算法与形状表示和特征提取无关,因此通常用于缩放mD点集的配准。 实验结果表明,与标准ICP算法相比,该算法具有较高的效率和准确性。
2021-11-09 11:01:40 946KB Iterative closest point (ICP);
1
迭代收缩阈值算法 参考 学习的近梯度方法 迭代收缩阈值算法(ISTA) 一类迭代收缩阈值算法(ISTA),用于解决信号/图像处理中出现的线性逆问题。 这类方法可以看作是的扩展,由于其简单性而具有吸引力,因此即使在矩阵数据密集的情况下也足以解决大规模问题。 成本函数 成本函数由数据保真度项1/2 * || A(x) - y ||_2^2 1/2 * || A(x) - y ||_2^2和l1正则项L * || X ||_1 L * || X ||_1 ,如下所示 (P1) arg min_x [ 1/2 * || A(x) - y ||_2^2 + L * || x ||_1 ]. 等效地, (P2) arg min_x [ 1/2 * || x - x_(k) ||_2^2 + L * || x ||_1 ], 在哪里, x_(k) = x_(k-1) - t_(
2021-11-02 14:52:16 18KB MATLAB
1
作者:Sarah J. Johnson(其它的无需详细描述,仅作者的大名只要是搞LDPC研究的人,无人不知) By: Sarah J. Johnson Publisher: Cambridge University Press Pub. Date: November 19, 2009 Print ISBN-13: 978-0-521-87148-8
2021-10-29 11:35:21 2.73MB Turbo LDPC Error Correction
1
Paper - SR3 - Image Super-Resolution via Iterative Refinement
2021-10-18 22:11:00 19.97MB SR3
1
Finite Elements And Fast Iterative Solvers(Oxford)
2021-10-02 15:10:04 4.69MB 计算流体力学 有限单元法
1
Iterative Solution of Nonlinear Equations in Several Variables (book)
2021-08-31 10:31:24 3.57MB Iterative Nonlinear Equations
1
通过C++实现了ICP算法的点云匹配过程,内容包括KdTree搜索算法和SVD算法的实现源码,希望给大家带来参考。
2021-08-27 15:08:56 473KB ICP ICP算法源码
1
Iterative Solution of Nonlinear Equations in Several Variables provides a survey of the theoretical results on systems of nonlinear equations in finite dimension and the major iterative methods for their computational solution. Originally published in 1970, it offers a research-level presentation of the principal results known at that time. Although the field has developed since the book originally appeared, it remains a major background reference for the literature before 1970. In particular, Part II contains the only relatively complete introduction to the existence theory for finite-dimensional nonlinear equations from the viewpoint of computational mathematics. Over the years semilocal convergence results have been obtained for various methods, especially with an emphasis on error bounds for the iterates. The results and proof techniques introduced here still represent a solid basis for this topic.
2021-08-21 21:17:42 3.57MB 数学
1