求助！！！急求K-D树空间分割方面的资料（急！！！），毕业设计用！强烈求助！！！高手相助！

Nicky-Wu 2011-07-19 11:14:15

如题

...全文

96 5 打赏收藏转发到动态举报

写回复

5 条回复

切换为时间正序

请发表友善的回复…

发表回复

Nicky-Wu 2011-07-20

打赏
举报

回复

[Quote=引用 4 楼 dfasri 的回复:]
我想你问的不是KD树吧, 是OPENGL应该怎样用...
游戏相关的算法, 在这个论坛上面是很少人讨论的, 去专门的游戏引擎论坛上会比较好吧
[/Quote]

额！主要是不了解KD树！网上查到的资源不好，好的又全是英文，英语不太好！opengl我知道怎么用，我用opengl已经做过几个比较大的项目了，现在主要是想了解一下KD树的空间分割方面的东西！

dfasri 2011-07-20

打赏
举报

回复

我想你问的不是KD树吧, 是OPENGL应该怎样用...
游戏相关的算法, 在这个论坛上面是很少人讨论的, 去专门的游戏引擎论坛上会比较好吧

Nicky-Wu 2011-07-20

打赏
举报

回复

？？？？给点力啊！！！

ryfdizuo 2011-07-19

打赏
举报

回复

游戏编程精粹7 源码中有dx版的kdtree demo源码。

Nicky-Wu 2011-07-19

打赏
举报

回复

[Quote=引用 1 楼 dizuo 的回复:]
游戏编程精粹7 源码中有dx版的kdtree demo源码。
[/Quote]

它那个我看了下，好像是关于光线跟踪的而且是dx版的！不是基于opengl，关于空间分割的，本想去买这本书的，但是我怕会有很大差异，现在还没买！

希望给点建议！

用的是亚马逊自己的网站视频面，面试官还是比较和蔼的，面试用的是中文，后面问了几个英文问题。只有互联网大中场面试问底层，考算法。部门急招，base北京，时间序列预测/CV方向，急求简历面试流程快，需要尽快完成...

面试官态度有点傲慢，直接瘫在椅子，还一携程oc 携程接到电话oc啦很满意秋招也结束了好好休息几天开始准备毕业的事了今年过年想好好的放松一下也祝牛友们有个满意的工作海博思创面试大家收到海博思创进入下...

是的，实验室不放实习，导师随手给了我一个遥感的课题，毕业后我估计也不会去遥感方面。投递了华为，简历被锁，hr微信不回，打电话被挂掉，给官网发邮件解锁也没反应，这个该怎么办啊，这个锁简。哈哈皮一下实际上...

下载方式：https://pan.quark.cn/s/a4b39357ea24 在纺织制造领域中，纱线的品质水平对最终制成品的整体质量具有决定性作用。鉴于消费者对于产品规格和样式要求的不断变化，纺织制造工艺的执行过程日益呈现为一种更为复杂的操作体系，进而导致对纱线质量进行预测的任务变得更加困难。在众多预测技术中，传统的预测手段在面对多变量间相互交织的复杂关系时，往往显得力不从心。因此，智能计算技术在预测纱线质量的应用场景中逐渐占据核心地位，其中人工神经网络凭借其卓越的非线性映射特性以及自适应学习机制，成为了众多预测方法中的一种重要选择。在智能计算技术的范畴内，粒子群优化算法（PSO）和反向传播神经网络（BP神经网络）是两种被广泛采用的技术方案。粒子群优化算法是一种基于群体智能理念的优化技术，它通过模拟鸟类的群体觅食行为来寻求最优解，该算法因其操作简便、执行高效以及具备优秀的全局搜索性能，在函数优化、神经网络训练等多个领域得到了普遍应用。反向传播神经网络则是一种由多层节点构成的前馈神经网络，它通过误差反向传播的机制来实现网络权重和阈值的动态调整，从而达成学习与预测的目标。在实际操作层面，反向传播神经网络因其架构设计简洁、实现过程便捷，因此被广泛部署于各类预测和分类任务之中。然而，该方法也存在一些固有的局限性，例如容易陷入局部最优状态、网络收敛过程缓慢等问题。而粒子群优化算法在参与神经网络优化时，能够显著增强神经网络的全局搜索性能并提升收敛速度，有效规避神经网络陷入局部最优的困境。将粒子群优化算法与反向传播神经网络相结合形成的PSO-BP神经网络，通过运用粒子群优化算法对反向传播神经网络的权值和阈值进行精细化调整，能够在预测纱线断裂强度方面，显著提升预测结果的...

植物实例分割数据集一、基础信息数据集名称：植物实例分割数据集图片数量： - 训练集：9,600张图片 - 验证集：913张图片 - 测试集：455张图片总计：10,968张图片分类类别：59个类别，对应数字标签0至58，涵盖多种植物状态或特征。标注格式：YOLO格式，适用于实例分割任务，包含多边形标注点。数据格式：图像文件，来源于植物图像数据库，适用于计算机视觉任务。二、适用场景 • 农业植物监测AI系统开发：数据集支持实例分割任务，帮助构建能够自动识别植物特定区域并分类的AI模型，辅助农业专家进行精准监测和分析。 • 智能农业应用研发：集成至农业管理平台，提供实时植物状态识别功能，为作物健康管理和优化种植提供数据支持。 • 学术研究与农业创新：支持植物科学与人工智能交叉领域的研究，助力发表高水平农业AI论文。 • 农业教育与培训：数据集可用于农业院校或培训机构，作为学生学习植物图像分析和实例分割技术的重要资源。三、数据集优势 • 精准标注与多样性：标注采用YOLO格式，确保分割区域定位精确；包含59个类别，覆盖多种植物状态，具有高度多样性。 • 数据量丰富：拥有超过10,000张图像，大规模数据支持模型充分学习和泛化。 • 任务适配性强：标注兼容主流深度学习框架（如YOLO、Mask R-CNN等），可直接用于实例分割任务，并可能扩展到目标检测或分类等任务。

2,586

社区成员

18,437

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章