[TOC] 数据初始化1、readcsv1df = pd.read_csv('file_path') 2、12345df = pd.DataFrame(columns=['index', 'v2'])df['index'] = np.arange(10)df['v2'] = np.random.randn(10)# 修改某行的v2列值df.loc[df.index==1, 'c'] = '9' 3、pd 和np转换首先导入numpy模块、pandas模块、创建一个DataFrame类型数据df 12345678910111213import numpy as npimport pandas as pddf=pd.DataFrame({'A':[1,2,3],'B':[4,5,6],'C':[7,8,9]})1.使用DataFrame中的values方法df.values2.使用DataFrame中的as_matrix()方法df.as_matrix()3.使用Numpy中的array方法np.array(df) 语法 操作 返回结果 df.head ...

[TOC] 2020年专业精进线性代数麻省理工公开课：线性代数 http://open.163.com/newview/movie/courseintro?newurl=M6V0BQC4M 矩阵的秩–挺适合预习线性代数的https://zhuanlan.zhihu.com/p/108093909 图形学变换图形学中的基本变换(Basic Transforms) 会议：[CVPR 2019 论文大盘点—人体姿态篇](https://bbs.cvmart.net/topics/531/CVPR 2019 Human Pose)) AI基础知识 图像配准 https://www.jianshu.com/p/de18a6ddb0d6 专业书籍 《图形学基础》 AI 集成项目学习 CenterNet InsightFace 梳理基础知识点 SMPL* 关于 骨骼动画之理解蒙皮算法https://blog.csdn.net/smsmn/article/details/53870334

[TOC] np初始化np.arange()np.random1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859# random.randn(x1, x2, x3, ...)# 返回一个满足正态分布的数组# 参数：x1:第一维大小#    x2:第二维大小#    …x=np.random.randn(3,5) # shape (3,5)print(x) #random.randn(x1, x2, x3, ...)# 返回一个值在[0,1)之间的数组# 参数：x1:第一维大小#    x2:第二维大小#    …x=np.random.rand(2,4)print(x)#numpy.random.randint(low,high=None,size=None,dtype=‘l’)#返回一个数组#参数：low:数组最小值#   high:数组最大值#   size:数组维度大小#   dtype:数据 ...

[Point Set Matching/Registration Benchmark](http://gwang-cv.github.io/2019/05/01/Point Set Matching-Registration Benchmark/) A list of point set matching/registration resources collected by Gang Wang. If you find that important resources are not included, please feel free to contact me. Point Set Matching/Registration MaterialPOINT SET MATCHING/REGISTRATION METHODS [WIKI]Point Matching/Registration Methods [MCT] A mathematical analysis of the motion coherence theory, IJCV’1989 [pdf] [ICP: point- ...

[数学体系解读](http://gwang-cv.github.io/2015/11/15/数学体系解读（by MIT Lin Dahua）/) 代数学、几何学、分析数学是数学的三大基础学科 集合论 分析 高等代数 高等代数是代数学发展到高级阶段的总称，它包括许多分支。现在大学里开设的高等代数，一般包括两部分：线性代数、多项式代数。 解析几何 微积分 实分析 微分几何 代数 线性代数 研究：向量、矩阵、行列式 它的研究对象是向量，向量空间（或称线性空间），线性变换和有限维的线性方程组。向量空间是现代数学的一个重要课题；因而，线性代数被广泛地应用于抽象代数和泛函分析中；通过解析几何，线性代数得以被具体表示。线性代数的理论已被泛化为算子理论。 微分代数 调和分析，和李代数，巴拿赫代数 几何学 拓扑学 数学分析 函数论 常微分方程 偏微分方程 泛函分析 计算数学 概率论 数理统计学 应用统计数学 运筹学 二级学科 离散数学： 研究有限个元素；集合论，图论，代数；数理逻辑-

[TOC] A Survey of Rigid 3D Pointcloud Registration Algorithms 2014Principal Component Analysis(PCA) Singular Value Decomposition (SVD), Iterative Closest Point (ICP) 刚性3D点云配准算法研究 2014 使用深度传感器（例如飞行时间相机）获得的3D点云的几何对齐对于机器人技术和计算机视觉中的重要应用而言是一项艰巨的任务。由于便宜的深度感测设备的最新出现，文献中提出了许多不同的3D配准算法，着重于不同的领域，例如定位和映射或图像配准。在这篇调查论文中，我们回顾了最新的注册算法，并讨论了它们的通用数学基础。从简单的确定性方法（例如主成分分析（PCA）和奇异值分解（SVD））开始，对最近引入的方法（例如迭代最近点（ICP）及其变体）进行了分析和比较。 从简单的确定性方法（例如主成分分析（PCA）和奇异值分解（SVD））开始，对最近引入的方法（例如迭代最近点（ICP）及其变体） 阅读笔记（CVPR2015）Non-Rigid ...

loop subdivision 基于四边形的网格通常使用Catmull-Clark，而基于三角形的网格通常使用环细分 https://ww2.mathworks.cn/matlabcentral/fileexchange/24942-loop-subdivision ​ https://ww2.mathworks.cn/matlabcentral/fileexchange/27982-wavefront-obj-toolbox?s_tid=srchtitle ​ function write_wobj(OBJ,fullfilename) ​ function read_wobj(fullfilename) https://ww2.mathworks.cn/matlabcentral/fileexchange/18957-readobj?s_tid=srchtitle ​ function obj = readObj(fname)

商汤科技 SenseTime [TOC] 论文CVPR 2020 《对人脸生成模型的隐空间可解释性分析》入选CVPR 2020论文《对人脸生成模型的隐空间可解释性分析》提出了一种简单而通用的技术InterFaceGAN，用于在潜在空间中进行语义人脸编辑，可控制姿势以及其他面部属性，例如性别、年龄、眼镜等，还能够纠正GAN造成的伪影。 这种方法对GAN的隐空间进行了深入分析，能更好理解GAN是如何将一个随机噪声转化为一张高质量图片的。 ICCV 2019面向目标检测的深度网络基础算子《CARAFE:基于内容感知的特征重组》 《CARAFE: Content-Aware ReAssembly of FEatures》 特征上采样是深度神经网络结构中的一种基本的操作，例如：特征金字塔。它的设计对于需要进行密集预测的任务，例如物体检测、语义分割、实例分割，有着关键的影响。 内容感知的特征重组（CARAFE），它是一种通用的，轻量的，效果显著的特征上采样操作。 CARAFE有这样一些引人注目的特性：1.大视野。不同于之前的上采样方法（如：双线性插值），仅使用亚像素的临近位置。CARAFE可以 ...

https://ps.is.tuebingen.mpg.de/research_projects/virtual-humans-old 人体肯定对我们的生活至关重要，通常以图像和视频形式描绘。通过学习人体的形状以及如何从数据中移动出来，我们正在开发世界上最真实的人体模型。我们的目标是使人体3D模型的外观和移动方式与真实人类没有区别。这样的虚拟人可以用于特殊效果，并将在新兴的虚拟现实系统中扮演重要角色。它们还可以用于计算机视觉，以生成用于学习方法的训练数据，或者可以直接适合于传感器数据。造成这种困难的原因是，人体的关节运动非常激烈，会随着运动的变化而变形，并且在各个对象之间呈现出很大的形状变异性。 在过去的五年中，我们开发了一系列可用于图形和视觉的3D人体模型：BlendSCAPE [ ], Delta [ ], Dyna [ ] and SMPL [ ]。特别是，SMPL是一种逼真的人体模型，比以前的SCAPE模型更准确，但它基于标准的混合蒙皮和混合形状。姿势混合形状可纠正混合蒙皮伪影，并由身体部位旋转矩阵的元素驱动。形状融合形状可以捕捉人的身体形状变化情况。这些是使用4000人的姿 ...

Flow概念理解：什么是人脸识别？ 4特点 便捷性。人脸是生物特征，不需要携带类似身份证的东西 非强制性。识别的过程甚至不需要对象的配合，只要拍摄到人脸就可以进行识别，例如安防领域就是如此。 非接触性。不需要跟设备进行接触，相比指纹更加安全一些。 并行处理。一张照片里有多个人脸时可以一起处理，不像指纹和虹膜，需要一个一个来。 人脸识别的 4 个步骤人脸识别的过程中有4个关键的步骤： 人脸检测 人脸对齐 人脸编码 人脸匹配 人脸检测常用api: Yolo > Dlib > cv2 人脸检测的目的是寻找图片中人脸的位置。当发现有人脸出现在图片中时，不管这个脸是谁，都会标记出人脸的坐标信息，或者将人脸切割出来。 可以使用方向梯度直方图(HOG)来检测人脸位置。先将图片灰度化，接着计算图像中像素的梯度。通过将图像转变成HOG形式，就可以获得人脸位置。 人脸对齐人脸对齐是将不同角度的人脸图像对齐成同一种标准的形状。 先定位人脸上的特征点，然后通过几何变换（仿射、旋转、缩放），使各个特征点对齐（将眼睛、嘴等部位移到相同位置）。 人脸编码人脸图像的像素值会被转换成紧凑且 ...