【《Real-Time

Real-time ML with Spark

什么是Spark?ApacheSpark™isaunifiedanalyticsengineforlarge-scaledataprocessing.–Officialwebsite为什么要有Spark?分布式具备经济、快速、可靠、易扩充、数据共享、设备共享、通讯方便、灵活等分布式所具备的特性高层次抽象RDD（**R**esilient**D**istributed**D**atasets）提供一
BenedictJin·2018-06-01 01:22

Arbitrary Style Transfer in Real-time with Adaptive Instance Normalization

1.Introduction  前向传播方法的主要限制是每一个网络受约束只能适应一种风格，近来很对研究都在尝试解决这个问题但是他们仍然是只能用于有限的风格集，或者比单风格转换更慢。本文的方法受到instancenormalization启发，它很有效在前向传播网络中，实例规范化通过规范化特性统计实现样式规范化，这些统计数据被发现带有图像的样式信息。根据我们的解释，我们引入了一个简单的扩展，即自适应
顾北向南·2018-05-14 15:44

【YOLOv1】《You Only Look Once: Unified, Real-Time Object Detection》

文章目录YOLOv11核心思想：2特点：2.1优点2.2缺点3网络结构和流程3.1网络流程3.2网络的结构4训练5测试6性能分析6.1误差分析6.2CombiningFastRCNNandYOLO6.3GeneralizationResults7附录YOLOv1《YouOnlyLookOnce:Unified,Real-TimeObjectDetection》论文地址1核心思想：  “Wefram
bryant_meng·2018-04-17 16:24

深度学习系列之YOLO 个人总结

因为regionproposal比较费时间，无法做到real-time。所以YOLO把这个给砍掉了。当然，YOLO这种方法虽然保证了实时速度很快，但精度做了很大的
coder_mckee·2018-03-24 13:09

A Twofold Siamese Network for Real-Time Object Tracking 阅读笔记

个人评价：自从SiamFC利用Siamese网络解决目标跟踪问题后，很少有出色的基于SiamFC改进的目标跟踪工作。SiamFC通过训练Siamese网络用以在外观层面上区分两个物体是否属于一个目标，从而达到目标跟踪的目的。SiamFC的好处很多，其最核心的就是离线训练结合在线跟踪，以及end-to-end的跟踪模式，是少有的基于深度学习并且同时兼备性能和速度的跟踪器，所以基于SiamFC进行改进
aiqiu_gogogo·2018-03-01 11:30

VIO当中的预计分 《On-manifold preintegration for real-time visual-inertial Odometry》

该博客是关于VIO当中预计分的知识。同时结合高翔博士的讲解PPT以及原文章。我刚开始也看不是很懂，然后不断的查各种知识甚至原文中的各种英文术语，然后先理解术语是什么意思，再将其与该论文中的应用场景对应，其中还选择择了高翔博士的《视觉SLAM十四讲作为参考资料》。预备知识—李群李代数李群李代数的知识参考了《视觉SLAM十四讲》以及预计分论文的前面部分。SO(3)特殊正交群也就是由三维旋转矩阵构成。S
LilyNothing·2018-01-20 17:35

论文笔记-深度估计(7)-CNN-SLAM Real-time dense monocular SLAM with learned depth prediction

CVPR2017_CNN-SLAMReal-timedensemonocularSLAMwithlearneddepthprediction关键词：基于CNN的单张图深度估计，语义SLAM，半稠密的直接法SLAM作者提出了一个利用CNN结合SLAM的应用，其SLAM过程如上图，具体解释如下：作者首先筛选出关键帧，在关键帧上用训练好的CNN网络[1]来预测单帧图深度值得到深度图，并以此深度图作为SL
一只飞鱼fy·2018-01-05 22:40

数字营销

但是有一点是确定的，那就是内容在实时化（real-time）和视觉化（visual）的道路上一去不复返。
Ruxth·2017-11-27 04:15

视频直播iOS端技术

承载了实时性Real-Time和交互性的直播云服务是直播覆盖各行各业的新动力。●●●直播架构想必了解过直播的人都清楚直播主要分为3部分:推流
chuntu0030·2017-11-18 17:00

YOLO: Real-Time Object Detection深度网络: 在Darknet上的实现方式

YOLO:Real-TimeObjectDetection深度网络:在Darknet上的实现方式YOLO是一个最先进的实时对象检测系统，YOLO的升级版有两种：YOLOv2和YOLO9000[链接]。YOLO的发展主要有两个大方面的改进（1）是采用了一系列的方法优化YOLO的模型结构，产生了YOLOv2，在快速的同时准确率达到stateoftheart。同时，YOLOv2可以适应不同的输入尺寸，根
Zhenguo_Yan·2017-11-01 09:37

学习笔记：Coarse-to-Fine Auto-Encoder Networks (CFAN) for Real-Time Face Alignment

这篇论文中设计的网络结构用于seetaface人脸识别引擎中。作者提出了一个粗到精的自动编码网络（CFAN），级联了一些堆叠自动编码网络（SANs）。1、初步是将检测到的整体的人脸的低分辨率版本作为输入，这样第一个SAN就能快速并足够准确的预测标志点。---全局SAN2、余下的SAN随后通过以越来越高分辨率的方式将当前标志（先前SAN的输出）提取的局部特征作为输入进行逐步细化。--局部SAN在局部
Class_guy·2017-10-29 09:13

学习笔记：Coarse-to-Fine Auto-Encoder Networks (CFAN) for Real-Time Face Alignment

这篇论文中设计的网络结构用于seetaface人脸识别引擎中。作者提出了一个粗到精的自动编码网络（CFAN），级联了一些堆叠自动编码网络（SANs）。1、初步是将检测到的整体的人脸的低分辨率版本作为输入，这样第一个SAN就能快速并足够准确的预测标志点。---全局SAN2、余下的SAN随后通过以越来越高分辨率的方式将当前标志（先前SAN的输出）提取的局部特征作为输入进行逐步细化。--局部SAN在局部
Class_guy·2017-10-29 09:13

Real-Time Video Super-Resolution with Spatio-Temporal Networks and Motion Compensation 论文笔记

Real-TimeVideoSuper-ResolutionwithSpatio-TemporalNetworksandMotionCompensation论文笔记摘要作者的目的是引进一个spatio-temporalsub-pixelconvolutionnetworks，能够处理视频图像超分辨，并且做到实时速度。还提出了一个将动作补偿和视频超分辨联合起来的算法，并且可以端到端训练。与单帧模型相
Cyiano·2017-10-27 19:48

Real-Time Video Super-Resolution with Spatio-Temporal Networks and Motion Compensation 论文笔记

Real-TimeVideoSuper-ResolutionwithSpatio-TemporalNetworksandMotionCompensation论文笔记摘要作者的目的是引进一个spatio-temporalsub-pixelconvolutionnetworks，能够处理视频图像超分辨，并且做到实时速度。还提出了一个将动作补偿和视频超分辨联合起来的算法，并且可以端到端训练。与单帧模型相
Cyiano·2017-10-27 19:48

行为识别阅读笔记（paper+code）：Real-time Action Recognition with Enhanced Motion Vector CNNs

行为识别阅读笔记（paper+code）：Real-timeActionRecognitionwithEnhancedMotionVectorCNNs这篇文章是发表在CVPR2016上的一篇文章，这篇文章主要是对双流法进行了改进，双流法的诟病就是采用optimalflow作为temporalnetwork的输入，因此速度巨慢，无法达到实时的目的，而这篇文章使用motionvector替代optim
AUTO1993·2017-10-23 08:22

【网易云信】浅谈视频直播 iOS 端技术

承载了实时性Real-Time和交互性的直播云服务是直播覆盖各行各业的新动力。直播想必了解过直播的人都清楚直播主要分为3部分：推流->流媒体服务器->拉流。
网易云信·2017-10-16 00:00

【目标检测】[论文阅读][yolo] You Only Look Once: Unified, Real-Time Object Detection

论文名称《YouOnlyLookOnce:Unified,Real-TimeObjectDetection》摘要1、之前的目标检测方法采用目标分类思想解决检测问题，本文提出一个基于回归的框架，用于目标的定位及识别。2、一个网络，一次预测即可获得目标的检测框（boundingboxs）和类别概率。3、所提目标检测框架运算速度非常快。基本YOLO模型45帧/S。简化版本FastYOLO模型可达到155
_飞奔的蜗牛_·2017-09-24 15:47

目标检测-- DeNet: Scalable Real-time Object Detection with Directed Sparse Sampling

DeNet:ScalableReal-timeObjectDetectionwithDirectedSparseSamplingICCV2017AneasilyextendedTheanobasedcode：https://github.com/lachlants/denet本文针对候选区域提取这个步骤进行加速：使用角点提取来初步过滤大部分候选区域我们提出的DeNet网络1.2.Probabili
O天涯海阁O·2017-09-05 10:33

PVA Faster RCNN配置安装及使用

DeepbutLightweightNeuralNetworksforReal-timeObjectDetection简介PVANET是目前目标检测算法比较好的实现，也是RegionProposal系列方法的一个新实现，目前达到了real-time
weixin_34248487·2017-08-24 02:29

献给新手，如何阅读Linux源码(转)

不需要通读并理解《操作系统概念》《现代操作系统》等巨著，但总要知道分时（time-shared）和实时（real-time）的区别是什么，进程是个什么东西，CPU和系统总线、内存的
linux小牛·2017-08-22 17:29

【《Real-Time Rendering 3rd》 提炼总结】(七) 第七章续 · 延迟渲染(Deferred Rendering)的前生今世

题图为基于DeferredRendering技术的渲染效果图。在计算机图形学中，延迟渲染(DeferredRendering)，即延迟着色（DeferredShading），是将着色计算延迟到深度测试之后进行处理的一种渲染方法。延迟着色技术的最大的优势就是将光源的数目和场景中物体的数目在复杂度层面上完全分开，能够在渲染拥有成百上千光源的场景的同时依然保持很高的帧率，给我们渲染拥有大量光源的场景提供
damenhanter·2017-08-17 18:19

【笔记】Faster-R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

论文地址：https://arxiv.org/pdf/1506.01497.pdf论文代码：https://github.com/ShaoqingRen/faster_rcnnhttps://github.com/rbgirshick/py-faster-rcnn重要：训练文件.prototxt说明：http://blog.csdn.net/Seven_year_Promise/article/d
女王の专属领地·2017-06-22 22:18

【《Real-Time Rendering 3rd》 提炼总结】(四) 第五章 · 图形渲染与视觉外观

本文由@浅墨_毛星云 出品，转载请注明出处。  文章链接： http://blog.csdn.net/poem_qianmo/article/details/72857602这篇文章将总结和提炼《Real-TimeRendering3rd》（实时渲染图形学第三版）的第五章“VisualAppearance（视觉外观）”的内容。壹·导读当我们渲染三维模型的图像时，模型不仅要有适当的几何形状，还应该有
gcs6564157·2017-06-05 00:00

【《Real-Time Rendering 3rd》 提炼总结】(四) 第五章 · 图形渲染与视觉外观 The Visual Appearance

本文由@浅墨_毛星云 出品，转载请注明出处。  文章链接： http://blog.csdn.net/poem_qianmo/article/details/72857602这篇文章将总结和提炼《Real-TimeRendering3rd》（实时渲染图形学第三版）的第五章“VisualAppearance（视觉外观）”的内容。壹·导读当我们渲染三维模型的图像时，模型不仅要有适当的几何形状，还应该有
zhmxy555·2017-06-04 11:00

【《Real-Time Rendering 3rd》 提炼总结】(三) 第三章 GPU渲染管线与可编程着色器

本文由@浅墨_毛星云 出品，转载请注明出处。  文章链接： http://blog.csdn.net/poem_qianmo/article/details/71978861这篇文章是解析计算机图形学界“九阴真经总纲”一般存在的《Real-TimeRendering3rd》系列文章的第三篇。将带来RTR3第三章内容“Chapter3TheGraphicsProcessingUnit图形处理器”的总
gcs6564157·2017-05-25 15:00

【《Real-Time Rendering 3rd》 提炼总结】(三) 第三章 · GPU渲染管线与可编程着色器 The Graphics Processing Unit

本文由@浅墨_毛星云 出品，转载请注明出处。  文章链接： http://blog.csdn.net/poem_qianmo/article/details/71978861这篇文章是解析计算机图形学界“九阴真经总纲”一般存在的《Real-TimeRendering3rd》系列文章的第三篇。将带来RTR3第三章内容“Chapter3TheGraphicsProcessingUnit图形处理器”的总
zhmxy555·2017-05-14 15:00

Lambda架构 vs Kappa架构

Lambda架构可分解为三层Layer，即BatchLayer,Real-Time(Speed)La
hryyx·2017-05-11 09:50

卷积神经网络CNN（6）—— YOLOv2 参数详解

前言YouOnlyLookOnce(YOLO)是一个基于GoogleNet的物体检测深度网络，Real-time(实时)与Efficient(有效)一定是YOLO最大的特点与优势。
Fate_fjh·2017-04-24 17:37

【《Real-Time Rendering 3rd》 提炼总结】(二) 第二章 图形渲染管线 The Graphics Rendering Pipeline

本文由@浅墨_毛星云 出品，转载请注明出处。  文章链接： http://blog.csdn.net/poem_qianmo/article/details/70544201这篇文章是解析计算机图形学界“九阴真经总纲”一般存在的《Real-TimeRendering3rd》系列文章的第二篇。将带来RTR3第二章内容“Chapter2TheGraphicsRenderingPipeline图形渲染管
gcs6564157·2017-04-24 13:00

【《Real-Time Rendering 3rd》 提炼总结】(二) 第二章 · 图形渲染管线 The Graphics Rendering Pipeline

本文由@浅墨_毛星云 出品，转载请注明出处。  文章链接： http://blog.csdn.net/poem_qianmo/article/details/70544201这篇文章是解析计算机图形学界“九阴真经总纲”一般存在的《Real-TimeRendering3rd》系列文章的第二篇。将带来RTR3第二章内容“Chapter2TheGraphicsRenderingPipeline图形渲染管
zhmxy555·2017-04-23 20:00

【《Real-Time Rendering 3rd》 提炼总结】(一) 全书知识点总览

本文由@浅墨_毛星云 出品，转载请注明出处。  文章链接： http://blog.csdn.net/poem_qianmo/article/details/69849858一、《Real-TimeRendering3rd》其书 在实时渲染和计算机图形学领域，《Real-TimeRendering3rd》这本书一直备受推崇。有人说，它实时渲染的圣经。也有人说，它是绝世武功的目录。诚然，《Real-
zhmxy555·2017-04-09 17:00

目标跟踪算法--Staple: Complementary Learners for Real-Time Tracking

文章下载链接：文章下载链接代码下载链接：Staple代码————————————————————————————————————————————今天要讲的这篇文章也是基于相关滤波器（不懂相关滤波器的请看我前一篇文章）进行改进的一篇文章，发表在2016年CVPR上面，提出了一个新的想法，融合算法，使用HOG-KCF+color-KCF结合算法对目标进行跟踪，HOG特征对形变和运动模糊比较敏感，但是对
小小菜鸟一只·2017-03-25 09:42

google cartographer的论文《real-time loop closure in 2D LIDAR SLAM》翻译

cartographer论文翻译初衷因为自己看了两天论文毫无头绪，就想着那就先把这篇论文翻译一下，然后加上自己的一些理解。看看能不能得出点啥来。摘要便携式激光测距仪(也就是LIDAR)以及实时定位和绘图（slam）都是比较有效的一种建立平面图的方法。实时生成和绘制平面图能很好的评估捕获的数据的质量。因此建立一个在有限的资源下可接入的平台是非常有必要的。这篇论文提供了一种在mapping平台后台使用
LilyNothing·2017-03-08 16:31

Druid:A Real-time Analytical Data Store（上篇）

关键字distributed;real-time;fault-tolerant;highlyavaila
Sisyphus秋居拾遗·2017-03-02 21:43

深度学习论文笔记：YOLO9000

AbstractYOLO9000:astate-of-the-art,real-time的目标检测系统，可以检测超过9000种的物体分类。本论文提出两个模型，YOLOv2和YOLO9000。
JacobKong·2017-02-18 21:18

行人检测论文笔记：Robust Real-Time Face Detection

知识点傅里叶变换的一个推论：一个时域下的复杂信号函数可以分解成多个简单信号函数的和，然后对各个子信号函数做傅里叶变换并再次求和，就求出了原信号的傅里叶变换。卷积定理(ConvolutionTheorem)：信号f和信号g的卷积的傅里叶变换，等于f、g各自的傅里叶变换的积整个过程的核心就是“（反转），移动，乘积，求和”二维卷积数学定义二维卷积在图像处理中会经常遇到，图像处理中用到的大多是二维卷积的离
JacobKong·2017-02-18 21:16

[译] Precomputed Real-Time Texture Synthesis with Markovian Generative Adversarial Networks

题目：使用马尔可夫生成对抗网络进行预先计算的实时纹理合成文章地址：《PrecomputedReal-TimeTextureSynthesiswithMarkovianGenerativeAdversarialNetworks》arXiv.1604.04382(转载请注明出处：http://www.jianshu.com/p/6054799d7bb1，谢谢！)Abstract本论文提出了马尔可夫生成
zhwhong·2017-01-15 21:54

Visual Odometry(视觉里程计)： StereoScan Dense 3d Reconstruction in Real-time

介绍系统概述A特征匹配Bego-motion估计C立体匹配D3D重建实验结果运行结果及代码转载请注明：http://blog.csdn.net/c602273091/article/details/54561299介绍从多个二维图片中重建3D影像是机器视觉必不可少的部分，这篇论文【1】提出的就是做3D重建的工作。这篇论文提出了一种巧妙的实时的方法做3D地图重建——使用稀疏特征和视觉里程计相结合的方
Snail_Walker·2017-01-15 14:24

Java定时器Timer简述

Timer是线程安全的，但不提供实时性(real-time)保证。构造函数Timer()默认构造函数。Timer(boolean)指定关联线程是否作为daemon线程。
VectorYao·2017-01-12 15:28

实时Web与WebSocket实践

我们生活在一个实时（real-time）的世界中，因此Web的最终最自然的状态也应当是实时的。用户需要实时的沟通、数据和搜索。我们对互联网信息实时性的要求也越来越高，如果信息或消息延
博文视点·2017-01-10 11:37

实时Web与WebSocket实践

我们生活在一个实时（real-time）的世界中，因此Web的最终最自然的状态也应当是实时的。用户需要实时的沟通、数据和搜索。我们对互联网信息实时性的要求也越来越高，如果信息
博文视点Broadview·2017-01-10 11:00

实时Web与WebSocket实践

我们生活在一个实时（real-time）的世界中，因此Web的最终最自然的状态也应当是实时的。用户需要实时的沟通、数据和搜索。我们对互联网信息实时性的要求也越来越高，如果信息
博文视点Broadview·2017-01-10 11:00

Java定时器Timer

Timer是线程安全的，但不提供实时性(real-time)保证。构造函数Timer()默认构造函数。Timer(boolean)指定关联线程是否作为daemon线程。
VectorYao·2017-01-07 00:00

[译] Perceptual Losses for Real-Time Style Transfer and Super-Resolution（Stanford University）

题目：《基于感知损失函数的实时风格转换和超分辨率重建》文章地址：《PerceptualLossesforReal-TimeStyleTransferandSuper-Resolution》arXiv.1603.08155(转载请注明出处：基于感知损失函数的实时风格转换和超分辨率重建(zhwhong))Abstract摘要：我们考虑的图像转换的问题，即将一个输入图像变换成一个输出图像。最近热门的图像
zhwhong·2016-12-31 00:53

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworks摘要：前沿的目标检测网络通过区域提取（regionproposal）算法来预测目标的位置。SPPnet与FastR-CNN算法已经一部分改进了时间的问题，当前的瓶颈在于区域提取上。本文中，我们提出了一种与检测网络共享全卷积特征的区域提取网络（RPN），使区域提取
abrams90·2016-12-12 11:46

Real-Time Rendering-第五章 Visual Appearance

第五章VisualAppearance（视觉外观）“Agoodpictureisequivalenttoagooddeed.”—VincentVanGogh当你渲染三维模型的图像时，模型不仅应该具有正确的几何形状，还应该具有期望的视觉外观。在很多情况下（但不是全部-见第11章）渲染的目标是达到photorealism（如照片一般写实）的效果—这是一种非常接近真实物体照片的外观。为了达到这个目标，重
chenjinxian_3D·2016-11-01 23:00

Real-Time Rendering-第五章 Visual Appearance

第五章VisualAppearance（视觉外观）“Agoodpictureisequivalenttoagooddeed.”—VincentVanGogh当你渲染三维模型的图像时，模型不仅应该具有正确的几何形状，还应该具有期望的视觉外观。在很多情况下（但不是全部-见第11章）渲染的目标是达到photorealism（如照片一般写实）的效果—这是一种非常接近真实物体照片的外观。为了达到这个目标，重
chenjinxian_3D·2016-11-01 23:00

Real-Time Rendering-第四章 Transforms（5）

4.6Projections在进行真正的场景渲染之前，必须把场景中的所有相关对象都投影到某个平面上或某种简单的包围体内。完成投影之后，就开始执行裁和渲染操作（见第2.3节）。到目前为止，本章中的变换操作都没有使用到向量的第四个元素分量，w-分量。也就是说，点和向量在变换后依然为保持为原来的类型。另外，4×4矩阵的最下面一行元素始终为(0  0  0  1)。Perspectiveprojectio
chenjinxian_3D·2016-10-31 13:00

论文阅读：You Only Look Once: Unified, Real-Time Object Detection

Preface今天详细的看一下CVPR2016年这篇：YouOnlyLookOnce:Unified,Real-TimeObjectDetection。另外，这篇的作者也有RossB.Girshick。这篇Paper的项目主页在这里：http://pjreddie.com/darknet/yolo/注：这篇今年CVPR2016年的检测文章YOLO，我之前写过这篇文章的解读。但因为不小心在Markd
chenxp2311·2016-09-23 19:11

论文笔记：Faster R-CNN:Towards Real-Time Object Detection with Region Proposal Networks

文章：http://arxiv.org/abs/1506.01497源码：坐等。。。。目录：RegionProposalNetworksTranslation-InvariantAnchorsALossFunctionforLearningRegionProposalsOptimizationSharingConvolutionalFeaturesforRegionProposalandObjec
萌面女xia·2016-09-18 17:43
上一页 14 15 16 17 18 19 20 21 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他