1.Leap Motion的参数说明及介绍 介绍 Leap Motion是一款体感摄像头，拥有两个红外摄像头和三个红外灯。在SDK中，Leap Motion的帧率可以到60FPS。拥有两个可选模式（桌面模式、头戴模式），…
分类：机器视觉
业余爱好者，主要关注三维立体视觉
获取深度图任意指定点的深度值
在立体视觉开发的时候，我们常常需要观察摄像头所获取图像的深度值规律，以便进一步提取特征 而在我们提取深度值的时候，往往更希望能够快速准确的获取指定点的深度值 本程序基于Kinect2所获取的深度图，其余深度相机获取的深度…
kinect2深度图获取并保存
首先为kinect停产默哀三秒 在过去将近一年的时间里，都在和kinect打交道，从检测球的过环到抛球交接，再到现在开始捣鼓的定位。 调试过和kinect相关的程序现在加起来也有5G多了（不同版本程序存档也算在内） 以后…
DCGAN(3):源代码采坑记录！+RUN起来！
坑1： [crayon-6740764f0e26f330219414/] 解决办法： 在main.py中把 [crayon-6740764f0e275678046743/] 修改为 [crayon-6740764f0e2…
DCGAN(2):代码解读
实例化DCGAN [crayon-6740764f0e599187661444/] batch_size 网络迭代同时处理的图像数量，共同决定网络该怎么更新 c_dim 输入图像的通道数，彩色图为3 dataset 数据…
DCGAN(1):网络模型架构
DCGAN的网络架构图 生成网络： 判别网络 生成网络架构解读 DCGAN生成网络的目的是使100维随机初始化的向量转换成64*64*3的真实数据 1——>2 全连接层、reshape 由于输入的是100维的向量，…
GAN(4):训练对抗生成网络
在前面三篇博文中，我们已经完成了三个网络的构建、损失函数的构造 接下来，就是激动人心的训练时刻了 训练预先判别D_pre网络 [crayon-6740764f0e987457760315/] 首先确定D_pre的训练次数…
GAN(3):构造损失函数
在前面两篇中，我们完成了生成网络和判别网络的构造，构造完成之后，我们构造一个损失函数，使得最终两个网络能够相互打架，相互进步 我们希望，对于真实数据，通过判别网络D后，能够认定为1（真实），而对于生成的数据，我们则希望其…
GAN(2):构造生成与判别网络模型
在前一篇中，我们定义了一个预先判别网络D_pre，从而得到了判别网络D的初始化权重wb，使得判别网络更精准。 在这一篇中，我们将构造一个生成网络模型，用于生成新的数据 生成网络构造 [crayon-6740764f0f0…
GAN (1):构造预先判别网络模型
GAN的目的 简而言之，在GAN中同时存在生成网络和判别网络两个神经网络，生成网络用于生成可以以假乱真新的数据，而判别网络用于判断所给的数据是否是真的数据。 而在GAN中，生成网络的目的是让判别网络认为其生成的数据是真实…