A
бесплатный. Если проблемы с математикой то пройдите Mathematics for machine learning от imperial
Или это серия видео уроков?
Size: a a a
2019 November 27
K
Или это серия видео уроков?
неа. Специализация на coursera
A
Математика в данном курсе будет применяться на практике?)
K
Математика в данном курсе будет применяться на практике?)
ага еще как. Ваш пукан взорвется когда вы дойдете до нейронных сетей. Домашка по backpropogation
A
ага еще как. Ваш пукан взорвется когда вы дойдете до нейронных сетей. Домашка по backpropogation
Ссылку скинете на курс, пожалуйста?
K
только он платный. Если не хотите или не можете заплатить то подавайте на financial aid и в течении 15 дней вам его одобрят
D🐈
Один из лучших для начала
A
только он платный. Если не хотите или не можете заплатить то подавайте на financial aid и в течении 15 дней вам его одобрят
Спасибо)
K
нез. В лс могу скинуть шаблон essay если вам нужно
ab
Очень странно, что там нет курса по теорверу и статистике. Зато целый отдельный курс про PCA зачем-то.
A
нез. В лс могу скинуть шаблон essay если вам нужно
Советую вам книгу, которую скинул выше
A
Только она на английском
K
Очень странно, что там нет курса по теорверу и статистике. Зато целый отдельный курс про PCA зачем-то.
да но мне кажется что они будут по ходу курса всё показывать
K
Только она на английском
не проблема. Cпасибо
K
Только она на английском
если проблемы с англ то лучше всё бросить и учить его. Без него никак
DR
Коллеги, а кто-нибудь реализовывал решение задачи создание 3D по данным 2d съёмок или по данным наборы лидарных снимков? Есть что-либо годное на эту тематику?
1. допустим, дана пара картинок.
2. Необходимо сопоставить (чем больше, тем лучше) пары точек, относящиеся к одному и тому же микрообъекту (кончик носа на одной картинке - к кончику носа на другой, верхушка дерева на одной к этой же верхушке на другой) и тд.
3. Для каждой точки на картинке необходимо вычислить визирный вектор (тебе нужно знать координаты источника съёмки, ессно). В случае спутниковой съёмки - всё плохо, координаты источника меняются с каждой строкой изображения
4. Строишь скрещивающиеся прямые, ищешь минимальную равноудалённую от них точку - вот тебе 3д координата. Повторить для каждой сопоставленной пары
для сопоставления пар можно юзать кросс-корреляцию пирамидально, можно всякие детекторы харриса, сифт дескрипторы
Полученную 3д поверхность ещё сглаживать надо, ибо ошибки неизбежны. чем - хз, вероятно, калманом
2. Необходимо сопоставить (чем больше, тем лучше) пары точек, относящиеся к одному и тому же микрообъекту (кончик носа на одной картинке - к кончику носа на другой, верхушка дерева на одной к этой же верхушке на другой) и тд.
3. Для каждой точки на картинке необходимо вычислить визирный вектор (тебе нужно знать координаты источника съёмки, ессно). В случае спутниковой съёмки - всё плохо, координаты источника меняются с каждой строкой изображения
4. Строишь скрещивающиеся прямые, ищешь минимальную равноудалённую от них точку - вот тебе 3д координата. Повторить для каждой сопоставленной пары
для сопоставления пар можно юзать кросс-корреляцию пирамидально, можно всякие детекторы харриса, сифт дескрипторы
Полученную 3д поверхность ещё сглаживать надо, ибо ошибки неизбежны. чем - хз, вероятно, калманом