深度图第8页

【论文笔记_对比学习_2021】Supervised Contrastive Learning

监督对比学习摘要近年来，应用于自我监督表示学习的对比学习再次兴起，导致了深度图像模型的无监督训练中的艺术表现。现代批量对比方法包含或明显优于传统的对比损失，如三元组、最大余量和N对损失。

乱搭巴士·2023-01-10 12:41

RealSense D435——基本介绍

（前三个负责形成深度图，最后一个就形成RGB图）二、小贴士RGB图像和深度图像的视野大小不一样，原因是形成深度图和RGB图的相机之间存在距离，需要进行原点对齐操作，使得两者的视野大小一致。

William.csj·2023-01-10 10:55

英特尔 D435/D435i双目相机使用指南

IntelRealSenseD435深度相机介绍：关于左右红外图像：关于像素深度的检索：IntelRealSense各种工具：工具的介绍相机基本操作相机自校准获取相机参数python脚本Linux命令行相机运行并显示画面获得深度图像点云帧对齐英特尔官方手册

凝色清·2023-01-10 10:54

文献阅读1：Deep Learning for Image Super-resolution: A Survey

DeepLearningforImageSuper-resolution:ASurvey1.介绍2.问题设置和术语3.有监督的超分放大3.1框架3.2上采样3.3网络设计3.4学习策略3.6先进的SR模型4.无监督的超分放大4.1零镜头4.2弱监督4.3深度图像先验

makxxl·2023-01-10 06:44

RGBD相机Intel RealSense D435i的使用

有了深度图(3D点云)和对应的RGB影像，因此也就很容易获得RGB-D点云了。因此从输出的角度而言

YuhsiHu·2023-01-09 10:56

pycuda对图像的并行处理

上文提到对从深度图生成点云，需要对每一个像素点进行转换。如果要对很多图像进行深度和点云的转换，在cpu中是极其耗费时间的，因此这里介绍使用cuda在gpu中进行深度点云转换。

墨水兰亭·2023-01-09 08:42

深度学习在计算机视觉领域（包括图像，视频，3-D点云，深度图）的应用一览...

来源|黄浴原文|https://zhuanlan.zhihu.com/p/55747295编辑|机器学习算法那些事分享一篇深度好文，从计算机视觉的底层图像/视频处理、3-D、到计算机视觉的高层环境理解（分割/检测/识别/跟踪）、以及推广领域，本文深度剖析了深度学习在计算机视觉领域的应用。还是做一些背景介绍。已经是很热的深度学习，大家都看到不少精彩的故事，我就不一一重复。简单的回顾的话，2006年G

人工智能与算法学习·2023-01-08 12:53

深度学习在计算机视觉领域（包括图像，视频，3-D点云，深度图）的应用一览

来源|黄浴原文|https://zhuanlan.zhihu.com/p/55747295分享一篇深度好文，从计算机视觉的底层图像/视频处理、3-D、到计算机视觉的高层环境理解（分割/检测/识别/跟踪）、以及推广领域，本文深度剖析了深度学习在计算机视觉领域的应用。还是做一些背景介绍。已经是很热的深度学习，大家都看到不少精彩的故事，我就不一一重复。简单的回顾的话，2006年GeoffreyHinto

机器学习算法那些事·2023-01-08 12:52

深度学习在计算机视觉领域（图像，视频，3D点云，深度图等）应用全览

点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达作者丨黄浴@知乎来源丨https://zhuanlan.zhihu.com/p/55747295编辑丨3D视觉工坊还是做一些背景介绍。已经是很热的深度学习，大家都看到不少精彩的故事，我就不一一重复。简单的回顾的话，2006年GeoffreyHinton的论文点燃了“这把火”，现在已经有不少人开始泼“冷水”了，主要是AI泡沫太大，而且深度学习不

Tom Hardy·2023-01-08 12:22

啥也不是的py人·2023-01-08 00:45

3D人脸识别——人脸点云前处理

1.获取点云与显示点云博主做项目是用realsense系列获取深度信息的，获得对齐的RGB图和深度图。

CV-deeplearning·2023-01-07 22:47

计算机视觉——RGBD对齐中的加速技巧

文章目录引言深度图对齐到RGB的加速技巧思路公式引言图像处理中有许多操作可以通过预计算不变的部分来进行加速，比如图像去畸变、投影等，可以先计算出map，loop中remap即可。

Mr_Sosimple·2023-01-07 22:46

红外图像、灰度图像、深度图像对比

1、红外图与灰度图对比：红外图象是获取物体红外光的强度，而成的图象灰度图象是获取物体可见光的强度对于数据格式，是一样的，都是单通道图象而彩色的是3通道图象一般红外探测器送出来的是16位的单通道图像,因为要送显才被转化成8位单通道,如果说是24位的话其实相当于R=G=B各8位。红外图像成像特点：由于红外图像是通过“测量”物体向外辐射的热量而获得的，故与可将光图像相比：分辨率差、对比度低、信噪比低、视

weixin_62764358·2023-01-07 21:12

关于cv::imread读取图片类型的初探

关于cv::imread读取图片类型的初探问题来源环境首先生成单通道和三通道的png图片cv::imread函数及其参数不同参数读取rgb图像不同参数读取单通道图片遇到的一些情况问题来源在处理深度图的时候

shuang_yu_·2023-01-07 11:29

16位深度图用毒霸软件打开显示异常

当用opencv打开16位深度图时：cv2.imread(image_name,3)，返回3通道，原深度图。

zhuiyuan2012·2023-01-06 15:36

Open3D-读取深度图

深度图像（DepthImages）也被称为距离影像（RangeImage），是指将从图像采集器到场景中各点的距离值作为像素值的图像，它直接反应了景物可见表面的几何形状。

归来空空·2023-01-06 08:55

视觉深度图后处理中空洞填充问题

在双目SGBM匹配之后，由于遮挡和误匹配等问题，最后出来的深度图会存在很多噪点和空洞，这些问题无法通过某一种滤波方法解决，对于这个问题我尝试自己写了一个脚本，能比较好的去除空洞。

乘风破浪的混子·2023-01-05 21:41

【论文简述】Dense Hybrid Recurrent Multi-view Stereo Netwith Dynamic Consistency Checking（ECCV 2020）

JianfengYan、ZizhuangWei、HongweiYi2.发表年份：20203.发表期刊：ECCV4.关键词：MVS，深度学习，稠密混合循环MVSNet，动态一致性检查5.探索动机：分辨率、内存、深度图融合效率

华科附小第一名·2023-01-04 23:20

深度图像分割：利用mask对原图中的分割对象进行分割出来

fromPILimportImageimportnumpyasnpsubimage=Image.open('res.jpg')original=Image.open(img_path)original=original.resize((320,320))subimage=np.array(subimage)original=np.array(original)foriinrange(320):fo

*Major*·2023-01-04 13:12

【EHub_tx1_tx2_E100】 ROS_ Melodic + Astra S(如何在该环境下打开摄像机获取rgb/深度图/点云)

简介：介绍奥比中光AstraS深度相机在EHub_tx1_tx2_E100载板，TX1核心模块环境（Ubuntu18.04）下测试ROS驱动，打开摄像头RGB图像和查看深度图和点云图，本文的前提条件是你的

机器人虎哥·2023-01-04 13:45

CVPR 2017|SfMLearner：单目视频中深度和姿态估计的无监督算法

使用KITTI数据集证明了他们的有效性：1.合成的深度图与监督学习的方法是可比的；2.在可比较的输入设置下，姿势估计与已建立的SLAM系统相比性能优

落叶随峰·2023-01-04 04:16

【双目视觉】 SGBM算法应用（Python版）

文章目录流程图相机标定立体匹配效果1.原图像2.深度图3.代码链接流程图相机标定参考链接：【开源|教程|双目测距】双目相机的标定_哔哩哔哩_bilibili自制的标定数据集，必须用自己相机拍摄照片制作数据集标定板下载

落叶随峰·2023-01-04 04:45

复现monodepth2过程中碰到的错误4：找不到‘E:\\monodepth2-master\\splits\\eigen\\gt_depths.npz‘

Nosuchfileordirectory:'E:\\monodepth2-master\\splits\\eigen\\gt_depths.npz'错误原因：没有做好评估前的准备工作，没有准备好地面实况深度图

Asdzxcyuihjkqwe·2023-01-02 13:30

OpenCV中保存不同深度图像的技巧

什么是图像深度？很多人开始学习OpenCV之后，接触的几个方法就包括imwrite函数，而且很快知道需要传入一个ndarray类型的mat对象作为实参，常规代码如下：imwrite("D:/result.png",dst);#dst为mat对象，前面的实参为保存的地址这样保存的图像默认是每个通道8位的字节图像（也就是每个通道像素点的大小为0~255），常见的RGB图像是图像深度为24，这个可以

liiiiiiiiiiiiike·2023-01-02 10:20

Python-opencv读取深度图像

由于实验需要用到Kinect2.0采集的深度图像，但是用以下程序读取深度图片的时候显不方便观察temp_img='cup_depth.png'depth_filename=os.path.join(image_dir

博闻善行·2023-01-02 10:49

EGO Swarm翻译

X uuuer.·2023-01-01 23:43

一文了解点云及处理方法

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达本文转自：新机器视觉点云概念点云与三维图像的关系：三维图像是一种特殊的信息表达形式，其特征是表达的空间中三个维度的数据，表现形式包括：深度图

小白学视觉·2022-12-31 15:02

深度视场角(Depth Field of View)

深度视场角(DepthFieldofView)Realsense相机深度图的建立依赖双目立体成像原理，其有效视场是左、右成像器视场的重叠部分，如下图所示顺带一提，这张图不能用于计算双目相机深度成像模式下成像的最小距离

游离的核苷酸·2022-12-31 10:44

小白科研笔记：简析论文DeepGCNs: Can GCNs Go as Deep as CNNs

1.前言这篇博客主要分析一篇ICCV2019的一篇深度图卷积网络性能的文章DeepGCNs:CanGCNsGoasDeepasCNNs。

Niuip·2022-12-30 09:34

libtorch (pytorch c++) 教程（二）

本文介绍四种深度图像编程需要的初始化方法。第一种，固定尺寸和值的初始化。//常见固定值的初始化方式autob=torch::zeros({3,4});b=torc

浩瀚之水_csdn·2022-12-30 03:06

【PCL自学：Feature6】从深度图像中提取NARF描述符 (持续更新)

一、如何从深度图像中提取NARF关键点这篇博文简单介绍什么是NARF,并使用官网代码演示了如何从深度图像的NARF关键点位置提取NARF描述符，官方原版链接点击这里。

斯坦福的兔子·2022-12-28 19:50

Vitis-AI量化编译YOLOv5（Pytorch框架）并部署ZCU104（三）

文章目录文章目录前言一、YOLO进行道路车辆检测二、将SGBM算法与目标检测融合1、原理2、双目标定3、生成深度图4、计算距离总结前言前面两篇文章已经实现了yolo在ZCU104的部署，下面放一段yolo

小苏同学-·2022-12-27 21:18

视觉SLAM ch5代码总结（三）

RGB-D视觉（1）根据内参计算一对RGB-D图片对应的点云（2）根据每张图的相机位姿（外参）,把点云加起来，组成地图遍历图像的每个像素，并将深度图的深度信息提取出来，将像素点归一化后，乘上深度信息就得到了相机坐标系下的点

雨幕丶·2022-12-27 17:48

intel D435i 双目相机拍摄图片并保存 python调用示例

可拍摄的图片有：左目图像/右目图像/RGB图像/深度图像/深度颜色渲染图像若要调整保存路径、图片分辨率可以根据需要修改代码。

凝色清·2022-12-27 08:39

RGBD(realsense, kinect等) 相机储存深度图(depth_map)视频流(即uint16视频)

如果你使用的是realsense相机可以参见我封装好的代码:pythonRealSense相机二次封装工具包_tycoer的博客-CSDN博客问题:最近在做室内场景的三维重建,需要同时储存深度图(depth_map

tycoer·2022-12-27 08:08

跨模态/多模态 cross-modal

有些数据的存在形式不同，但都是描述同一事物或事件的常见的多模态问题有视觉问答：针对图片提问题让计算机回答多模态建索，用自然语言问句来搜图多模态任务还有的比如模型在RGB数据集上训练，然后让在深度图或光流图上预测

hxxjxw·2022-12-26 14:47

FlowFusion: Dynamic Dense RGB-D SLAM Based on Optical Flow 论文阅读笔记

图1是提出的FlowFusion的工作框架，输入连续两帧RGB-D帧A和B，RGB图像输入PWC网络来获取光流估计，同时强度-深度图像对输入

Jumping润·2022-12-25 18:24

Fast Odometry and Scene Flow from RGB-D Cameras based on Geometric Clustering 论文笔记

系统总览输入颜色-深度图像对首先，每一帧对场景点的3D坐标执行k-means聚类算法，分割成N个几何聚类。每一个聚类被视为一个刚体，每个聚类的速度用twistξi∈se

Jumping润·2022-12-25 18:47

一起作rgbd-slam之使用realsense相机从rosbag包中导出rgb图和depth图

除了可以在tum官网上获取rgbd数据集，也可以通过自身相机获取rgbd数据集，本文所使用的相机为intelrealsensed435i相机，官方自带sdk没有保存对齐的色彩和深度图的功能，因此决定借助

看那片云·2022-12-25 16:19

基于3D深度视觉的人体姿态估计算法

利用深度图像技术可以有效地解决上述问题，利用深度信息可以快速地进行背景

小白学视觉·2022-12-25 15:18

三十五.智能驾驶之基于PolarNet的点云语义分割及ROS系统实践

PolarNet介绍点云语义分割在自动驾驶领域的感知模块占据重要地位,从多年前基于传统的点云聚类和分割,到近些年基于深度学习的点云语义分割方法,技术逐渐成熟已经进入实时端到端的阶段.前有基于球面投影映射出二维深度图的

okgwf·2022-12-25 11:26

单目深度估计总结

目录监督的方法单目视频序列深度估计引言方法实验单目深度估计（单图）深度图能估计真实的距离吗？如果标签是真实的那么估计的就是真实的，（如果标签是相对的那么估计的就是相对的。）

蓝翔技校的码农·2022-12-25 04:03

一文带你读懂深度估计算法

深度估计算法调研1.常见的深度估计算法寻找RGB图像与深度图之间存在着的某种映射关系1）几种常见算法：①基于几何的方法：从一系列二维图像序列中估计三维结构，SfM，稀疏特征的深度由SfM通过图像序列之间的特征对应和几何约束来计算

刘大壮_·2022-12-25 04:01

基于置信度的立体相机以及ToF相机深度图融合框架...

点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达作者|cocoon编辑|3D视觉开发者社区目录✦contents1.概述2.方法以及网络结构2.1使用网络学习置信度2.1.1训练细节2.2双目以及ToF视差的fusion3.合成数据4.实验结果4.1测试集场景4.2置信度估计结果4.3视差估计定性以及定量结果5.参考文献附录：数据说明论文名称：DeepLearningforConfiden

Tom Hardy·2022-12-25 00:20

【虚拟试衣论文笔记】M3D-VTON: A Monocular-to-3D Virtual Try-On Network

主要是利用所提出的MonocularPredictionModule(MPM)从图像中估计目标人体分割图、深度图来同时获得2D与3D的辅助信息，并且

橙子的科研日记·2022-12-24 13:26

3D基础概念

涉及的主要技术：多视图立体几何、深度图估计、点云处理、网格重建和优化、纹理贴图、马尔可夫随机场、图割等等。三维重建主要分为主动式测量和被动式测量。

伴君·2022-12-24 00:36

论文代码复现-深度补全算法

Anewmethodforinpaintingofdepthmapsfromtime-of-flightsensorsbasedonamodifiedclosingbyreconstructionalgorithm该文章采用传统的图像处理方法对深度图中缺失的区域进行补全算法流程首先是输入一张深度图

LuLaDe·2022-12-23 19:25

图形学笔记六 Shading 光照渲染管线

p=8第54分钟之前的部分一、深度缓存的工作对每一个像素作处理，存了两张图：framebuffer渲染图depthbuffer深度图for(eachtriangelT)for(eachsample(x,

合肥黑·2022-12-23 17:39

Supervised Contrastive Learning 论文学习

Abstract在近几年，将对比学习应用在自监督表征学习上越来越受到关注，在深度图像非监督训练任务上取得了SOTA的性能。

calvinpaean·2022-12-23 14:18

DenseFusion 文献阅读及拓展阅读

研究思路：充分利用两个互补数据源——RGB图像和深度图像。解决方法：提出DenseFusion——一种可单独处理两个数据源的异质架构。研究贡献：提出了一种将RG

万俟淋曦·2022-12-23 10:15

推荐频道

深度图