Oriented FAST and rotated BRIEF (ORB) 特征是 SLAM 中比较常用的一种图像特征。它的准确率并没有 SIFT 高，但是其计算速度更快，可以满足实时特征提取的需求。ORB 特征还具有旋转、尺度不变性的特点，因此很适合应用在 SLAM 场景中。
Oriented FAST and rotated BRIEF (ORB) 特征是 SLAM 中比较常用的一种图像特征。它的准确率并没有 SIFT 高，但是其计算速度更快，可以满足实时特征提取的需求。ORB 特征还具有旋转、尺度不变性的特点，因此很适合应用在 SLAM 场景中。
The Uncertainty Principle is first proposed by Heisenberg to describe that you can’t precisely measure the position and momentum of a particle at the same time. This principle is well known in quantum physics. It then became a very “general” idea, and can also be used in the field of signal processing. In this article, I will describe the time-frequency uncertainty principle theorem and then show the proof.
在之前的博客中介绍了 CBAM 中的通道注意力，为了保持完整性，这次介绍剩余的空间注意力（Spatial Attention）部分。
刚开始接触小波变换的时候完全搞不清楚其基本原理，对“多分辨率分析”、“时频分辨率”这些术语更是云里雾里。网络上好的教程极度稀缺。这时候就必须强烈推荐 The Wavelet Tutorial：http://users.rowan.edu/~polikar/WTtutorial.html ，真正做到了深入浅出，通读下来让人感觉受益匪浅。
我们经常在论文中见到下面这种 CNN 的可视化图，它能告诉我们神经网络在做预测时，更加关注哪部分的内容，从一定程度上解释了判定依据。比如下图中，神经网络预测的分类是 ‘cat’，猫所在的区域温度就显著更高；而狗的位置就没有反应。
注意力机制通过关注相对重要的特征、抑制不必要的特征来对数据进行加权，从而更有利于神经网络总结出数据的规律。通道注意力就是在通道的维度计算出一个权重，也就是给每个通道的重要性打分。比较常用的网络是 SE-Net。
Update your browser to view this website correctly. Update my browser now