准备笔试 & NLP基础

1. 图像基础复习：
   ①：相机模型参数，相机畸变系数及矫正;相机模型参数分为内参与外参，内参有焦距f、像素宽度dx和像素高度dy、相机主点u0、v0，外参有R和T。畸变分为径向畸变（桶型、枕型）和切向畸变，前者有k1、k2、k3、k4 4个系数，后者有p1、p2 2个系数。矫正公式略。
   ②：常用边缘检测算子，一阶算子：Sobel、Prewitt、Robert、canny；二阶算子：Laplacian，对噪声敏感。Sobel和Prewitt只是权值不同，效果上，Sobel要由于Prewitt，Robert是使用对角差分。其中canny是阶段性算法，分为3个阶段滤波、增强、检测，效果最好。
2. NLP基础:
   ①：学习了Word Embedding，它包含了词与词之间的关系，将一个词用一定维度的向量来表示，作为网络的输入。
   ②：如何训练Word Embedding，通常采用context-target pairs的方法，Context的选定有：Last 4 words、4 words on left & right、Last 1 word、Nearby 1 word，通过这种方式来构造监督学习的样本。现成的方案有基于CBOW 的 Word2Vec方法和基于Skip-Gram的Word2Vec方法，CBOW方案是使用周围的词来预测中间的词，Skip-Gram是使用中间的词来预测周围的词，Skip-Gram使用的要多一点。但Skip-Gram中使用softmax进行分类，针对大数据集，softmax的分母计算较耗时，所以出现了层级softmax（二叉树）、Negative Sampling（使用1个正样本，k个负样本来组成一次迭代的样本）。
   ③：GloVe：比较简单的Word Embedding方法，通过对一个公式求最小化的参数即可。
   ④：用RNN来做情感分类，首先下载已经训练好的Word Embedding，然后将分词的结果通过Word Embedding转换为词向量，再通过搭建好的RNN来进行做情感分类。

上一篇：YOLO & Attention

下一篇：风格迁移与序列模型研究