最近看了几篇 Semi-Supervised Learning 的文章，感觉要达到 state-of-the-art 的话就是要把几个比较有效的技巧比较好地结合到一起，所以写一篇文章分别介绍一下这些技巧。文章总体的结构内容基于 MixMatch: A Holistic Approach to Semi-Supervised Learning (NeurIPS 2019)，及一些适当的延伸。

I read several papers about Sampling Algorithm in Graph Convolution Network training last week. So I wrote this note to simply record them.

有两道比较有趣的题目，为了防止忘掉，记录一下。

全景图拼接是利用同一场景的多张图像通过重叠部分寻找匹配关系，从而生成整个场景图像的技术。 全景图的拼接方法有很多，如按场景和运动的种类可以分为单视点全景拼接和多视点全景拼接。对于平面场景和只通过相机旋转拍摄的场景来说，可以使用求每两幅图像之间的一个Homography变换来映射到一张图像的方法，还可以使用恢复相机的旋转的方式得到最终的全景图。当相机固定只有水平方向旋转时，也可以使用柱面或球面坐标映射的方式求得全景图。

去年写过手撸BMP文件头，直接操作图像文件的版本，这次因为课程作业，刚好就用OpenCV重新实现一遍。

实现Harris Corner Detector，输出结果以及中间过程。

On a machine that is used publicly, one can’t update its cuda or cudnn version arbitrarily. Here is a way you can use the version you need.