étude récente Visual SLAM, l'étude systématique de la « SLAM visuelle quatorze ans de la théorie à la pratique 2e édition »-livre électronique, a également testé le code, SLAM visuel très bon livre d'introduction, laissez-moi savoir la partie principale de l'arbre. Le chapitre 13 est particulièrement utile dans la section précédente peut être une variété de petites solutions à enchaîner, pour voir un SLAM visuel complet devrait ressembler.
« Visual SLAM quatorze ans de la théorie à la pratique 2e édition » système e-book introduit SLAM visuel (localisation et cartographie simultanées) connaissances de base nécessaires et les algorithmes de base, les fondements théoriques des mathématiques, comme le mouvement du corps rigide dans l'espace en trois dimensions, optimisation non linéaire, et des algorithmes de vision informatique mis en œuvre, y compris, par exemple, la géométrie multi-vues, détection de boucle. En outre, il fournit également un certain nombre d'exemples de code pour l'étude et la recherche plus approfondie compréhension du contenu.
La version 2 ajoute d'autres exemples, ajouté un code expérimental pour introduire le principe de l'algorithme, l'introduction plus approfondie à l'informatique sous-jacente serait mieux, en plus d'appeler des fonctions de bibliothèque, mais fournit également la mise en œuvre sous-jacente. Conférence parlera 9 la première édition du passage à 13, après l'introduction de toutes les connaissances nécessaires pour vous montrer comment réaliser un fonctionnement du système de SLAM, il sera mis en œuvre par quelques centaines de lignes de code, avant complet et arrière système SLAM.
« Visual SLAM quatorze ans de la théorie à la pratique, deuxième édition »-livre électronique pour slam entrée est un bon livre, en particulier pour le blanc. J'ai vu deux ou trois mois, de la profondeur de l'apprentissage pour voir slam est-ce. Ensuite, vous avez besoin d'autres documents, ce livre a terminé sa mission.
Ces dernières années, l'architecture d'apprentissage en profondeur en raison du grand succès dans les applications de vision par ordinateur et devenir populaire. En particulier réseau de neurones convolutionnel (CNN) l'apprentissage en profondeur est devenu le plus type de structure de réseau importante. L'apprentissage étude approfondie de la vision par ordinateur, la conception et le déploiement CNN, ainsi que des connaissances de base de l'architecture informatique d'une profondeur visuelle.
« Réseau de neurones convolution et l'informatique visuelle » e-books à partir de la base zéro, le système élaboré convolution de la théorie des réseaux de neurones et de sa base d'application pratique, peut aider à apprendre rapidement et construire le système d'apprentissage en profondeur. Il fournit une foule de connaissances théoriques et fonctionnement pratique de l'affaire, et une série d'outils complet pour aider à comprendre la convolution du réseau et la construction de neurones (CNN) nécessaire pour obtenir des informations de base. Il se concentrera sur le réseau de neurones à convolution partie de base, sans faire intervenir des concepts émergent dans les cours avancés (CNN sujets liés).
« Réseau de neurones convolution et l'informatique visuelle » e-book est divisé en cinq chapitres, le chapitre 1 présente la représentation d'image et un certain nombre de modèles de vision par ordinateur qui sont maintenant appelé la modélisation manuellement. Fournir des connaissances de base de la représentation d'image, et présente une représentation linéaire et non linéaire ou une fonction procédé d'extraction, et les caractéristiques de ces représentations. Il décrit certains éléments de base d'une image (par exemple un bord) de la méthode de détection comprend en outre la représentation de certaines tâches d'apprentissage de la machine de base.
Finition "SLAM visuel quatorze ans de la théorie à la pratique 2e édition" d'information e-book, "réseau de neurones de convolution et l' informatique visuelle" des données e-book e-learning, vision par ordinateur pour votre référence:
HTTPS: // WWW. yuque.com/mathpythondata/tr0r9u/ukh8kr
Tout en regardant les livres électroniques, tout en prenant des notes pendant le débogage de code, améliorer bientôt!