写在前面 记录一下非常好的博客讲解： [1] CNN 卷积神经网络 https://dorianzi.github.io/2019/04/25/CNN/ 卷积神经网络 上述图片引自：https://dorianzi.github.io/2019/04/25/CNN/ 卷积神经网络是为了处理图片而生的分类任务 全连接神经网络与卷积神经网络 从卷积的角度理解全连接，从全连接的角

Optimization 注意偏导和梯度的区别： 这里讲模型的第四个部分：优化算法，相较于传统的梯度下降优化算法，有很多改进的版本，虽然没有跳脱出梯度下降的框架，但是在传统算法的基础上进行了改进优化，更加好用 梯度下降算法的缺点 梯度消失 saddle point 局部最优 local minimum 各参数尺度不一 different scale GDM (GD with

BMP文件的读取与显示 常见的图像文件格式 BMP（Bitmap位图） 是一种与设备无关（DIB）的图像文件格式，是Windows环境中经常使用的一种位图格式。其特点是不进行压缩，包含的图像信息丰富，但由此导致了占用磁盘空间过大的缺点。 BMP在单机上非常流行，不受Internet网络欢迎。 采用的是RGB色彩系统。 GIF（.gif）文件 GIF（Graphics Intercha

本次实验需要实现一个简单的神经网络，并使用梯度下降法训练。 遇到了Xavier初始化,找到了一篇学习资料： https://blog.csdn.net/qq_67720621/article/details/138045784 networkBackward 函数需要对照课件好好学习一下 实验代码 1234567891011121314151617181920212223242526

Neural Network 使用神经网络进行多分类 神经网络只改变了模型，使用很复杂的模型即可，其他方面都没有改变 神经元的概念 线性神经元 神经网络本质上都是多元复合函数!!!!!，是对模型的改变 不加入激活函数的后果：无论多少层神经网络，最后得到的都是线性模型，学习能力比较差 完全体的神经网络模型如下： 常见的激活函数： 全连接神经网络：可以实现各种组合

算数运算 算数运算概述 定义：对两幅输入的图像进行点对点的加、减、乘、除计算得到的输出图像，数学表达式为： 加法运算：输出图像 C 的像素值 C(x,y)=A(x,y)+B(x,y) 减法运算：输出图像 C 的像素值 C(x,y)=A(x,y)-B(x,y) 乘法运算：输出图像 C 的像素值 C(x,y)=A(x,y)×B(x,y) 除法运算：输出图像 C 的像素值 C(x,y)=

Topic 与 Service 关于ros中的服务通信机制，是一种同步通信，相较于话题通信，区别如下： ROS学习笔记6~Topic(话题) 和Service(服务)的区别 话题通信适用于不断更新的数据传输相关的应用场景 对比项 发布/订阅 请求/响应 通信模式 发布者发布消息，订阅者接收消息，多对多关系 客户端向服务器发送请求，服务器返回响

参考链接： https://docs.elephantrobotics.com/docs/Mercury_X1_cn/7-ExamplesRobotsUsing/ 大象机器人ROS开发手册参考 https://docs.elephantrobotics.com/docs/gitbook/7-ApplicationBasePython/ 基于python开发使用 http://gith

本次实验课实现了对于16色图像、256色图像、24位真彩图像的读取显示，以及灰度变换功能，对于不同深度的图像结构有了进一步的了解，部分代码展示如下，便于温习巩固 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636

第二章：色彩模型 面向设备的色彩模型 面向设备的色彩模型有 RGB 和 CMYK 等 RGB色彩模型 RGB模型是基于仿生学原理，人的视网膜有三种细胞，分别对红、绿、蓝三种颜色敏感（其中绿色最敏感）。这三种颜色的光通过相加，可以混合出绝大部分肉眼能看到的颜色 使用最广泛的色彩模型。非常适合在输出显示场合使用，如彩色电视机的显像管、计算机的显示器 RGB模型的扩展-彩色电视模型