Real-Time

论文笔记-PointSeg: Real-Time Semantic Segmentation Based on 3D LiDAR Point Cloud

标题-PointSeg:Real-TimeSemanticSegmentationBasedon3DLiDARPointCloud作者-YuanWang1TianyueShi2PengYun1LeiTai1MingLiu1摘要：PointSeg，基于球形图的实时端到端语义分割道路物体的方法。球形图是指从3维雷达点云转变成的645125并用于作为CNN的输入来预测每个点的语义。该模型基于Squeez
BenjaminYoung29·2019-04-02 14:50

推荐系统之Airbnb推荐：Real-time Personalizaton using Embeddings for Search Ranking at Airbnb

前言Airbnb在2018年KDD的best-paper，关于向量化如何在民宿订购平台里的实时推荐实践的，写得非常实在。业务特点Aribnb他们具有非常鲜明的业务特点，是短租市场，且是个双向市场，既要优化商家又要优化租客，用户有非常强烈的搜索目标倾向。短期兴趣从哪里学短期兴趣？用户的一连串搜索及点击浏览行为中[session]，蕴含着其最终目标booking[订购]，为了能够表达这种非常具有实效和
于建民·2019-03-31 11:14

一文看懂YOLO v1

到FasterR-CNN一直采用的思路是proposal+分类（proposal提供位置信息，分类提供类别信息）精度已经很高，但由于two-stage（proposal耗费时间过多）处理速度不行达不到real-time
小小小绿叶·2019-03-26 10:50

YOLO(You Only Look Once) 检测多张图片并保存标签信息

YOLO是一个基于深度学习的end-to-end、real-time目标检测方法，至今已经有YOLOv1、YOLOv2、YOLO9000、YOLOv34个版本。
喜欢爱喝矿泉水的男孩·2019-03-22 10:41

C-RPN阅读笔记：Siamese Cascaded Region Proposal Networks for Real-Time Visual Tracking

CVPR20192019年CVPR上的文章论文原文地址：https://arxiv.org/abs/1812.06148?context=cs作者对发表在CVPR2018上的SiamRPN做的改进，采用了多个RPN，这样做既可以充分利用深层和浅层的特征，还可以更加精确的对目标进行定位和包围框的回归。话不多说，先上框架图：两个主要改进：联级的RPN网络提出FeatureTransferBlock(F
ShinEing72·2019-03-21 21:11

《Real-time Personalization using Embeddings for Search Ranking at Airbnb》学习笔记

2018年KDD的bestpaper读书笔记0.写在开篇的唠唠叨叨1.背景介绍1.1场景1.2论文内容2.listingembedding2.1概述2.2数据处理2.2层层递进的构造listingembedding的过程2.3解决冷启动listing2.4这样构造listingembedding来代表listing是否有效？2.5离线测评2.6线上结果3.user-type&listing-typ
like_red·2019-03-19 10:02

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

FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworks更快的区域卷积神经网络：用区域建议网络朝着实时目标检测迈进AbstractState-of-the-artobjectdetectionnetworksdependonregionproposalalgorithmstohypothesizeobjectloca
iamrealAI·2019-03-14 22:30

Real-time Control System

InstructionsforgettingandmakingtheReal-timeControlSystem(RCS)Library.Getthesourceathttp://www.isd.mel.nist.gov/projects/rcslib/rcslib-2014.04.29.tar.gzExtractfilesfromrcslib-2014.04.29.tar.gzUncompres
linuxarmsummary·2019-03-11 22:13

【Airbnb搜索】：Real-time Personalization using Embeddings for Search Ranking at Airbnb

原始论文下载地址：本文是kdd2018的bestpaper，文章来自airbnb的搜索推荐团队，描述的是airbnb如何使用embedding来提高搜索和排序的效果。知乎有官方认证的中文文章（文章地址，原始论文）。文章利用搜索的session数据来获取Listing和用户的embedding，全文思想相对来说还是比较简单的，但是整体针对业务实际情况，一步步的解决问题的思路很清晰，和airbnb之前
DivinerShi·2019-02-24 21:19

论文笔记-BiSeNet：Bilateral Segmentation Network for Real-time Semantic Segmentation

论文笔记-BiSeNet：BilateralSegmentationNetworkforReal-timeSemanticSegmentation文章地址：https://arxiv.org/abs/1808.00897v1从文章题目就可以晓得，BiSeNet是针对实时语义分割提出的，目的是高速的inference并且保持较高的精度，自己跑模型出来的精度还是蛮可以的，不过当然是跑不过专于精度的网络
你听的到、·2019-02-20 22:01

Real-time Globally Consistent 3D Grid Mapping 论文翻译

全局一致的实时3D网格建图摘要:对于移动机器人在复杂未知的三维（3D）环境的路径规划，通常需要精确的3D环境表示。在本文中，我们提出了一种新方法,通过网格图更新策略和高效的数据结构实时生成全局一致的三维网格图。我们把SLAM模块提供的点云转换到世界坐标系，然后用网格地图模块处理它们以产生全局一致的3D网格图。室内场景的实验结果表明,我们的方法能够高效的更新3D网格地图,并且能进行实时的闭环更新.1
迎风的小锐锐·2019-02-20 21:51

Near Real-Time Netflix Recommendations

2019-01-22夜深了，，，美国政府关门了一个月，不得不让人想起了那部Netflix的电视剧，纸牌屋。。。其实流媒体老大Netflix已经成立了22年了，它的故事也是一个传奇，而为人称道的是它的视频推荐系统。。。当年Matei大神做Spark也就是为了让一个叫Lester的同学参加Netflix的视频推荐算法大赛，很可惜那一百万奖金失之交臂。。。不过，Spark诞生了！！！而如今，你们知道吗？
smilegator·2019-01-24 00:06

[论文笔记] MaskFusion: Real-Time Recognition, Tracking and Reconstruction of Multiple Moving Objects

1.introduction目前的SLAM系统存在两个待完善的地方：默认场景是静态的，把动态的物体当作外点，没能追踪场景的动态物体。仅构造几何地图，或地图只有像素级的语义信息，没有物体级的信息。contribution：构造了实例级的三维地图结合MASKRCNN的目标检测和几何的物体边缘检测方法，细化实例边缘能够追踪场景中的刚体动态物体，而非把它们当作外点排除，只排除动态的非刚体。对于动态物体，不
KylinQAQ·2019-01-22 17:10

视频直播技术之iOS端推流

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。网易云信推出一系列文章，对视频直播技术进行深入讲解，本篇文章将向大家介绍iOS端的推流技术。
网易云信·2019-01-21 00:00

YOLO系列（一）—— You Only Look Once:Unified, Real-Time Object Detection

本系列分为三篇，此文为本系列第二篇，其他文章：YOLO系列（一）——YouOnlyLookOnce:Unified,Real-TimeObjectDetectionYOLO系列（二）——YOLO9000:Better,Faster,Strongerproject:https://pjreddie.com/darknet/yolo/paper:YouOnlyLookOnce:Unified,Real
匠人_C·2018-12-11 09:55

【阅读笔记】Real-time Personalization using Embeddings for Search Ranking at Airbnb

Methodology这篇论文里主要介绍了两个应用于搜索里推荐和排名的任务的嵌入式表示学习算法：Listingembeddingsforshort-termreal-timepersonalizationUser-type&ListingtypeembeddingsforlongtermpersonalizationListEmbeddings首先定义集合SSS为N个不同用户的浏览商品记录的集合，
So_weak_yx·2018-12-09 15:47

【论文阅读】Real-time Personalization using Embeddings for Search Ranking at Airbnb

会议：KDD2018，4篇BestPaper之一作者：来自Airbnb的MihajloGrbovic和HaibinCheng关键词：SearchRanking;Personalization;Embedding这篇工作的基础部分可以认为是word2vec在推荐领域的应用。word2vec对word进行embedding，本文对User与Listing进行embedding。embedding后的向
Q1du·2018-12-05 23:58

paper2:Real-time Personalization using Embeddings for Search Ranking at Airbnb

论文地址：https://www.kdd.org/kdd2018/accepted-papers/view/real-time-personalization-using-embeddings-for-search-ranking-at-airbnb1、论文简介主要介绍了机器学习的嵌入技术在Airbnb爱彼迎房源搜索排序和实时个性化推荐中的实践嵌入技术（1）数据：用户点击会话（2）训练方法：负抽样
是黄小胖呀·2018-12-02 22:37

【阅读笔记】Real-time Personalization using Embeddings for Search Ranking at Airbnb

Real-timePersonalizationusingEmbeddingsforSearchRankingatAirbnbAirbnb,IncKDD2018ADSTrack的最佳论文METHODOLOGYListingEmbeddings我们有用户浏览的session数据，使用类似skip-grammodel的方法来embed每条listing，认为浏览过程中前后的listing是相似的，最大
SrdLaplaceGua·2018-11-27 11:49

【语义分割】BiSeNet: Bilateral Segmentation Network for Real-time Semantic Segmentation阅读翻译

论文地址：https://arxiv.org/abs/1808.00897代码：https://github.com/GeorgeSeif/Semantic-Segmentation-Suite（2019.01.27更新。很抱歉，之前一直放着错误的链接，对不起大家了(。・＿・。)ﾉ）作者：ChangqianYu,JingboWang,ChaoPeng,ChangxinGao,GangYu,Nong
会意·2018-11-19 16:24

YOLO系列之YOLO-Lite：实时运行在CPU上的目标检测算法

实时目标检测一直是yolo系列的追求之一，从yolov1开始，作者就在论文中强调real-time。在后期的v2和v3的发展过程中，慢慢在P&R(尤其是recallrate)上下不少功夫。
木盏·2018-11-19 15:53

Efficient ConvNet for Real-time Semantic Segmentation论文解读

Abstract：real-time：83FPSinasingleTitanX,andatmorethan7FPSinaJetsonTX1(embeddedGPU).anovellayer:usesresidualconnectionsandfactorizedconvolutionsinordertoremainhighlyefficientwhilestillretainingremarkabl
qq_32799915·2018-11-14 11:07

liunx内核学习

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
NaNa_yzj·2018-11-12 12:25

技术英文缩写收藏

hardwareabstractlayer）dutycycle:负载周期MSB：*MostSignificantByte最高有效字节LSB：*LeastSignificantByte最低有效字节RTOS：real-time
countofdane·2018-10-26 10:46

[論文筆記] Perceptual Losses for Real-Time Style Transfer and Super-Resolution

論文出處:PerceptualLossesforReal-TimeStyleTransferandSuper-ResolutionIntroduction以往StyleTransfer以及SuperResolution的task中，計算ground-truthimage與modeloutput的pixel之間對應的差異是最直觀的objectloss，然而在圖像的感知上，pixel-lossfunc
Chang Lee·2018-10-14 05:35

YOLO: Real-Time Object Detection（实时目标检测）

前言说到Real-TimeObjectDetection（实时目标检测），目前最快性能最好的莫属YOLO以及SSD，下图中横坐标为MAP指数，MAP越高代表模型性能也好；纵坐标表示处理一张图片所与需要的时间（注：这里的时间是在GPU上测试的，并且GPU型号是用的nvidiaTItanX）。下面本博客针对YOLO进行安装和测试，SDD请参考我的另一篇博客。1、环境搭建（1）平台：Ubuntu16.0
小白clever·2018-10-07 22:19

[論文筆記] Real-Time Rotation-Invariant Face Detection with Progressive Calibration Networks

論文出處:Real-TimeRotation-InvariantFaceDetectionwithProgressiveCalibrationNetworksIntroduction以往facedetectiontask都是建立在欲辨識的人臉是facingup的正面條件下，而實際的狀況中，人臉未必是朝上的狀況，而目前的detectionmethod中鮮少是針對rotation-invariant的
Chang Lee·2018-09-30 03:34

Train C4: Real-time pedestrian detection models——C4行人检测算法训练过程

1.样本的准备样本可以使用之前训练的模型，通过OpenCV的imwrite截图保存然后再人工筛选，这个C4-Real-time-pedestrian-detection工程里面我有实现。也可以自己写一个程序，手动截图。将正样本都裁剪成只包含一个人的并归一化到108*36分辨率大小，负样本也是要归一化到108*36大小。把已经准备好的样本，文件名顺序命名（如1.jpg、2.jpg、3.jpg……），
mj412828668·2018-09-06 10:16

C4: Real-time pedestrian detection——C4实时行人检测算法

http://cs.nju.edu.cn/wujx/projects/C4/C4.htmJianxinWu实现的快速行人检测方法。Real-TimeHumanDetectionUsingContourCues：http://c2inet.sce.ntu.edu.sg/Jianxin/paper/ICRA_final.pdfC4能够达到比现有人体检测算法更高的速度。在640*480的20fps视频上
mj412828668·2018-09-06 10:22

论文笔记：You Only Look Once: Unified, Real-Time Object Detection

论文笔记：YouOnlyLookOnce:Unified,Real-TimeObjectDetection简述这是YOLO算法的第一个版本。作者先简单介绍了之前对目标识别的相关算法，比如利用滑动窗口的算法，还有R-CNN算法。但是作者说，这两种方法都太慢，并且难以优化。作者认为YOLO算法十分简单，将目标检测问题处理成回归问题，用一个卷积神经网络结构就可以从输入图像直接预测boundingbox和
樱与刀·2018-09-04 20:23

Perceptual Losses for Real-Time Style Transfer and Super-Resolution翻译

原文链接：https://www.jianshu.com/p/b728752a70e9。《基于感知损失函数的实时风格转换和超分辨率重建》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。最近热门的图像转换的方法通常是训练前馈卷积神经网络，将输出图像与原本图像的逐像素差距作为损失函数。并行的工作表明，高质量的图像可以通过用预训练好的网络提取高级特征、定义并优化感知损
一条咸咸咸咸咸鱼·2018-08-31 00:27

Perceptual Losses for Real-Time Style Transfer and Super-Resolution翻译

原文链接：https://www.jianshu.com/p/b728752a70e9。《基于感知损失函数的实时风格转换和超分辨率重建》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。最近热门的图像转换的方法通常是训练前馈卷积神经网络，将输出图像与原本图像的逐像素差距作为损失函数。并行的工作表明，高质量的图像可以通过用预训练好的网络提取高级特征、定义并优化感知损
一条咸咸咸咸咸鱼·2018-08-31 00:27

Perceptual Losses for Real-Time Style Transfer and Super-Resolution阅读（一）

一、文章出处PerceptualLossesforReal-TimeStyleTransferandSuper-Resolution，arxiv地址：https://arxiv.org/abs/1603.08155。二、文章内容因为在实训中只需要做风格转换的部分，并且这篇文章的最大贡献之一也是实现了实时的风格转换。上一篇阅读的文章，虽然效果好，但对于每一张要生成的图片，都需要初始化，然后保持CNN
一条咸咸咸咸咸鱼·2018-08-31 00:12

Perceptual Losses for Real-Time Style Transfer and Super-Resolution阅读（一）

一、文章出处PerceptualLossesforReal-TimeStyleTransferandSuper-Resolution，arxiv地址：https://arxiv.org/abs/1603.08155。二、文章内容因为在实训中只需要做风格转换的部分，并且这篇文章的最大贡献之一也是实现了实时的风格转换。上一篇阅读的文章，虽然效果好，但对于每一张要生成的图片，都需要初始化，然后保持CNN
一条咸咸咸咸咸鱼·2018-08-31 00:12

Perceptual Losses for Real-Time Style Transfer and Super-Resolution阅读（二）

三、损失函数虽然文章说的是perceptuallosss，但是感觉上跟上一篇文章的约束并没有什么区别，我们可以来看看。FeatureReconstructionLossj表示网络的第j层。CjHjWj表示第j层的feature_map的sizeStyleReconstructionLoss对于风格重建的损失函数，首先要先计算Gram矩阵，产生的feature_map的大小为CjHjWj，可以看成是
一条咸咸咸咸咸鱼·2018-08-31 00:02

Perceptual Losses for Real-Time Style Transfer and Super-Resolution阅读（二）

三、损失函数虽然文章说的是perceptuallosss，但是感觉上跟上一篇文章的约束并没有什么区别，我们可以来看看。FeatureReconstructionLossj表示网络的第j层。CjHjWj表示第j层的feature_map的sizeStyleReconstructionLoss对于风格重建的损失函数，首先要先计算Gram矩阵，产生的feature_map的大小为CjHjWj，可以看成是
一条咸咸咸咸咸鱼·2018-08-31 00:02

Perceptual Losses for Real-Time Style Transfer and Super-Resolution代码详解

按照文中所述的残差网络架构如下，只有结尾和开头的卷积核大小为9*9，其余均为3*3的卷积核，中间有5个残差块组成的bottleneck，最后利用tanh函数将图片的RGB值映射到0~255（原来是-1~1之间的）。conv1=_conv_layer(image,32,9,1)conv2=_conv_layer(conv1,64,3,2)conv3=_conv_layer(conv2,128,3,2
一条咸咸咸咸咸鱼·2018-08-31 00:54

Perceptual Losses for Real-Time Style Transfer and Super-Resolution代码详解

按照文中所述的残差网络架构如下，只有结尾和开头的卷积核大小为9*9，其余均为3*3的卷积核，中间有5个残差块组成的bottleneck，最后利用tanh函数将图片的RGB值映射到0~255（原来是-1~1之间的）。conv1=_conv_layer(image,32,9,1)conv2=_conv_layer(conv1,64,3,2)conv3=_conv_layer(conv2,128,3,2
一条咸咸咸咸咸鱼·2018-08-31 00:54

mac缺少librt问题记录

在mac下编译一个程序的时候遇到错误ld:librarynotfoundfor-lrtlibrt.so主要是glibc对real-time部分的支持.所以一般含有#include头文件的代码，编译的时候需要加上
轩脉刃·2018-08-29 11:00

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

最近，在实验室里接了一个商业项目，我所需要完成的部分是通过识别图片内商品类别，并通过相关技术还原其相关参数，如：长、宽、高、深度（即距离摄像头的距离）。老板给了篇论文让我们先进行阅读，也就是FasterR-CNN。在阅读期间，我遇到了许多的困难，在此记录下来，希望以后阅读这篇论文的人能绕开不必要的坑。目录关于论文运行论文作者所提供代码论文理解1.关于论文《Richfeaturehierarchie
Code_Mart·2018-08-25 16:55

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

最近，在实验室里接了一个商业项目，我所需要完成的部分是通过识别图片内商品类别，并通过相关技术还原其相关参数，如：长、宽、高、深度（即距离摄像头的距离）。老板给了篇论文让我们先进行阅读，也就是FasterR-CNN。在阅读期间，我遇到了许多的困难，在此记录下来，希望以后阅读这篇论文的人能绕开不必要的坑。目录关于论文运行论文作者所提供代码论文理解1.关于论文《Richfeaturehierarchie
Code_Mart·2018-08-25 16:55

论文笔记-StereoNet: Guided Hierarchical Refinement for Real-Time Edge-Aware Depth Prediction

上图所示为网络架构，蓝色方框之前的部分是粗粒度的深度估计，这部分首先通过Encoder的结构进行图像特征提取，然后将左右两个图片的特征得到相应的CostVolume，之后利用三维卷积操作得到1/8分辨率的深度图。##粗粒度的深度估计提取特征：左右图共享权值的暹罗网络（SiameseNetwork）分别提取左右图的特征，使用K个55的卷积层进行下采样操作（K通常取3或者4），在下采样的过程中，卷积的
kingsleyluoxin·2018-08-23 16:34

阅读论文《Deep Bilateral Learning for Real-Time Image Enhancement》

  这是2017siggraph的一篇论文，寒假boss让我看这篇论文我没怎么看懂。最近在公司实习，发现该论文的成果已经移到手机端上了，效果还非常不错。这里我重新温习了一下这篇论文，发现有许多可以借鉴的地方，是一篇非常不错的论文，这里重新叙述一下，谈谈我的理解。  首先说一下这篇文章的整体思路，这篇文章对于图像增强的方法是，将图像首先做下采样，继续卷积下采样几次然后分别学习其全局特征和局部特征，并
CHNguoshiwushuang·2018-08-20 00:16

In Defense of MOT：读CVPR17《Deep Network Flow for Multi-Object Tracking》有感

前者讲究追求real-timetracking，跟踪结果的给出无时延，理论上讲可以拼Real-time（可惜往往没戏嘻嘻。。）
Trasper1·2018-08-07 10:40

强化学习Reinforcement Learning在计算广告Computational Advertising中 Real-Time Bidding中的应用 资料集锦

强化学习ReinforcementLearning在计算广告ComputationalAdvertising中Real-TimeBidding中的应用资料集锦Part1：强化学习（RL）相关Part2：深度学习（DL）相关Part3：计算广告（CA）相关Part4：科研进展相关Part1：强化学习（RL）相关入门指南|人工智能的新希望——强化学习全解DeepLearningResearchRevi
Damion程·2018-08-05 10:09

[CV Paper] FaceBoxes: A CPU Real-time Face Detector with High Accuracy

论文阅读：CPU上的高精度实时人脸检测器综述人脸识别是计算机视觉和模式识别的基础问题，过去几十年取得了长足进步，但是由于计算量较大，在CPU上的实时检测一直没有很好的被解决。面临的主要问题，一是人脸和背景的可变性都太大（种类太多），二是由于人脸的不同尺寸，使得搜索空间快速上升。过去的主流方法，一种是基于手动构建的特征（hand-craftfeatures），这种方法在CPU上速度尚可，但是面对种类
永无乡·2018-07-27 13:05

real-time loop closure in 2D LIDAR SLAM 论文整理

1、cartographer整体：主要论文：Real-TimeLoopClosurein2DLIDARSLAM,ICRA2016EfficientSparsePoseAdjustmentfor2DMapping(SPA)Real-TimeCorrelativeScanMatching(BBS)Real-TimeLoopClosurein2DLIDARSLAM文章的重点是第四部分和第五部分第四部分：
xiaoma_bk·2018-07-19 17:55

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

发表在CVPR2018论文地址在此摘要观察到在图像分类任务中学习的语义特征和在相似性匹配任务中学习的外观特征互补，作者构建了两个孪生网络框架，称为SA-Siam，用于实时的目标跟踪。SA-Siam由语义分支和外观分支组成，每一个分支都是一个相似性学习孪生网络。作者分别训练了这两个分支来保持两种类型特征的异质性，也就是让两种特征不一样。此外，作者在语义分支上加入了通道注意力机制，这个东东是干啥的，它
ShinEing72·2018-07-17 13:16

阅读文献：Real-time EEG-based emotion monitoring using stable features(2016)

阅读文献：Real-timeEEG-basedemotionmonitoringusingstablefeatures(2016)关键词：EEG·Emotionrecognition·Fractaldimension(FD)·Stability·Intra-classcorrelationcoefficient(ICC)Section1：Introduction分形维度特征的分类效果优于能量特征的
Betrayer丶·2018-07-11 15:36

Display real-time data in Angular

Displayreal-timedatainAngular原文地址Inthisarticle,we'llbetakingalookattwowaystodisplayreal-timedatainanAngularapplication.We'lldiscusshowtopushreal-timedataviaaservice.Oneapproachwillbeusingsocketswhilet
tinyking·2018-06-28 00:00
上一页 13 14 15 16 17 18 19 20 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他