Robust 第6页

论文翻译：Robust Negative Obstacle Detection in Off-Road Environments Using Multiple LiDARs

论文原址：https://ieeexplore.ieee.org/document/9108058Abstract:自动驾驶汽车在越野环境中行驶时，必须实时分析和了解周围的地形。然而，很少有UGV能够在高速自主地检测越野环境中的坑和沟渠。本文提出了一种使用多个侧面安装的LiDAR的自动驾驶车辆的自适应负障碍物检测方法。该方法首先从原始传感器数据中提取径向方向的距离跳跃，得到潜在的负障碍物特征点对，

不太会转弯儿·2022-12-13 18:30

rpca matlab程序,RPCA 鲁棒主成分分析 MATLAB 代码(Robust principal component analysis MATLAB code) - 下载 - 搜.

文件名大小更新时间RPCA\apg_partial.zip3823752015-01-10RPCA\exact_alm_rpca\exact_alm_rpca\.DS_Store61482009-10-31RPCA\exact_alm_rpca\exact_alm_rpca\choosvd.m5602009-10-28RPCA\exact_alm_rpca\exact_alm_rpca\exact

萌萌哒的黄桃·2022-12-13 09:28

A Survey of Robust LiDAR-based 3D Object Detection Methods for Autonomous Driving（激光雷达3D目标检测方法）论文笔记

原文链接：https://arxiv.org/pdf/2204.00106.pdfIII.SotA将基于点云的3D目标检测分为4类，即基于点的、基于体素的、基于前视图的和基于多视图的方法。A.结构结构上可分为单阶段检测（PointPillars，3DSSD，SA-SSD，CIA-SSD和SE-SSD）和两阶段检测（PV-RCNN，PV-RCNN++和CenterPoint）。PointPillar

byzy·2022-12-12 14:31

0901权重衰退

为处理过拟合的用得比较多的方法最理想的状态是达到0.1/2是为了求导后计算方便（系数为1了）前面是严格限制了范围，故为硬性限制，而此处是增加了一个罚项，相比较则为柔性限制Dropout--丢弃法（鲁棒是Robust

不玩游戏的小菜鸡·2022-12-12 14:18

【OpenCV-Python】教程：4-7 BRIEF（ Binary Robust Independent Elementary Features）特征

OpenCVPythonBRIEF（BinaryRobustIndependentElementaryFeatures）【目标】学习BRIEF算法理论【理论】我们知道SIFT使用128维向量作为描述符。因为它使用的是浮点数，所以需要512字节。类似地，SURF也需要最少256字节(对于64维)。为数千个特性创建这样的向量需要大量内存，这对于资源受限的应用程序是不可行的，特别是对于嵌入式系统，内存消

黄金旺铺·2022-12-12 00:49

【OpenCV-Python】教程：4-5 SURF （Speeded-Up Robust Features）介绍

OpenCVPythonSURF（Speeded-UpRobustFeatures）介绍【目标】SURF的基础【理论】SURF是SIFT的提速版本；在SIFT中，Lowe用DoG近似LoG；SURF走的更远一点，用boxfilter近似LoG。下图显示了这种近似的演示。这种近似的一个很大的优点是，在积分图像的帮助下，可以很容易地计算boxfilter的卷积。它可以在不同的尺度上并行进行。此外，SU

黄金旺铺·2022-12-11 09:09

AutoGluon-Tabular: Robust and Accurate AutoML for Structured Data

AutoGluon-Tabular:RobustandAccurateAutoMLforStructuredData数据预处理、预测问题类型、训练预测集划分、模型选择一、背后的技术AutoGluon是一个Automl框架（Automl:自动对数据抽取特征并进行模型训练，其目的是尽量在不需要人的帮助下对输入进行特征的提取，选取适合的机器学习模型，对它进行训练）目前市面上有多款Automl的框架，大部

唔西迪西爱学习·2022-12-10 00:22

逆概率加权&Doubly Robust Methods

1.逆概率加权1.1为什么要用逆概率加权逆概率加权是一种debiasing方法，可以用于纠正样本分布不均衡导致的辛普森悖论等问题。1.2逆概率加权推导逆概率加权是后门调整的进一步推广，利用贝叶斯公式对后门调整公式变换了一下形式。P(y∣do(t))=∑xP(y∣t,x)∗P(x)‾=∑xP(y∣t,x)∗P(x)∗P(t∣x)P(t∣x)=∑xP(y,t,x)P(t∣x)\begin{aligne

qq_26430933·2022-12-09 18:16

【文字超分】A Text Attention Network forSpatial Deformation Robust Scene Text Image Super-resolution（TATT）

paper:ATextAttentionNetworkforSpatialDeformationRobustSceneTextImageSuper-resolutiongithub:https://github.com/mjq11302010044/tattAbstract场景文本图像超分辨率旨在提高低分辨率图像中文本的分辨率和可读性。尽管深卷积神经网络（CNN）已经取得了显著的改进，但对于空间变

lct不吃香菜·2022-12-08 14:55

小白科研笔记：点云目标检测相关文献速读-Part A

2.TANet首先来看AAAI2020的文章“TANet:Robust3DObjectDetectionfromPointCloudswithTripleAttention”。

Niuip·2022-12-08 13:44

【maven】Unable to find javadoc command: The environment variable JAVA_HOME is not correctly set.

目录起因问题查找解决问题总结起因今天需要使用Anserini构建robust04数据，使用到了maven工具，根据https://github.com/canjiali/PARADEREADME.md中的建议

桐原因·2022-12-08 10:56

Stata：聚类调整标准误

Stata命令White(1980)异方差稳健型标准误*-截面数据regyx,robust*-面板数据加入反应个体效应的虚拟变量aregyx,absorb(id)robust一维聚类调整异方差-序列相关稳健型标准误

hellolijunshy·2022-12-06 22:16

【论文阅读】23-Robust Feature Matching Using Spatial Clustering With Heavy Outliers

【论文阅读】22-RobustFeatureMatchingUsingSpatialClusteringWithHeavyOutliers0、basicinfo1、methodessence2、step1、putativematches3、step2、featurematching–2—spatialsample4、step3、spaceclustering4.1、RFM-SCAN4.2、inpu

rivaaaa·2022-12-06 20:42

论文阅读笔记《Robust Point Matching via Vector Field Consensus》

核心思想本文提出一种基于向量场一致性的（VectorFieldConsensus）非刚性（non-rigid）匹配方法（VFC）。所谓刚性（rigid）的匹配方法通常是使用参数化模型（如单应性矩阵、对极几何）来准确描述匹配点之间的对应关系的，如RANSAC方法，而非刚性匹配方法则是使用类似于能量函数的方法来描述匹配点之间的匹配程度，而无法得到准确的几何关系。作者提出使用向量场（VectorFi

深视·2022-12-06 20:11

论文阅读笔记《Robust Feature Matching for Remote Sensing Image Registration via Locally Linear Transformin》

核心思想该文提出一种基于局部线性变换（LocallyLinearTransforming，LLT）约束的特征匹配方法用于遥感图像的对齐。首先根据特征点之间的相似性，构建一个假定的匹配点集，然后从中将误匹配点筛除出去，得到最终的匹配结果。筛除误匹配点的过程，该文将其定义为一个带有隐变量的贝叶斯模型最大似然估计问题，并引入了局部线性变换约束（LLT），采用EM算法对其求解。作者研究了三种常见的变换

深视·2022-12-06 20:11

论文阅读笔记《Robust image matching via local graph structure consensus》

核心思想本文提出一种基于局部图结构一致性的图像特征点匹配方法（LGSC）。为实现两幅图像特征点之间的准确匹配，本文将全局的匹配问题转化为每个特征点邻域范围内的局部拓扑结构一致性的比较问题。换言之，就是通过比较以每个特征点为中心的局部区域之间的相似性，来判断该特征点是否正确匹配。将相似程度高的特征点保留下来，将相似程度低的点筛除掉，得到最终的匹配结果。实现过程首先，利用SIFT等特征提取算法

深视·2022-12-06 20:09

MATLAB图像处理---计算角点算法SUSAN算子

它是一种很有特色高效的边缘和角点检测算子，它不仅可以检测图像目标的边界点，而且能够较Robust地检测目标的角点。并且具有结构保留的降噪功能。

matlab大神·2022-12-05 09:35

Adversarial Representation Learning for Robust Patient-Independent Epileptic Seizure Detection（文章剖析）

AdversarialRepresentationLearningforRobustPatient-IndependentEpilepticSeizureDetection（文章剖析）原文有代码链接：IEEEJournalofBiomedicalandHealthInformatics癫痫是一种慢性神经系统疾病以发生自发性癫痫为特征，这影响了世界上大约百分之一的人口。目前大多数癫痫发作检测方法都很

紫钺-高山仰止·2022-12-04 07:08

Towards Robust Visual Question Answering: Making the Most of BiasedSamples via Contrastive Learning

走向鲁棒的视觉问题回答:通过对比学习，最大限度地利用有偏样本提出问题：视觉问答(VQA)模型通常依赖于虚假的相关性，即语言先验。使得其在分布外(OOD)测试数据面前表现不好。最近的方法通过减少偏倚样本对模型训练的影响，在克服这个问题方面取得了一些进展。但是，其在分布外(OOD)测试数据的改进严重牺牲了分布(ID)数据(由偏置样本主导)上的性能。解决方法和创新点：提出了一种新颖的对比学习方法，MMB

pinkshell_1314·2022-12-03 19:56

BatchFormer: Learning to Explore Sample Relationships for Robust Representation Learning

BatchFormer:LearningtoExploreSampleRelationshipsforRobustRepresentationLearningpaper:https://arxiv.org/pdf/2203.01522.pdfcode:https://github.com/zhihou7/BatchFormer摘要由于数据不平衡、不可见分布和域转移等数据稀缺问题，深度表示学习仍面临

条竿儿毛好·2022-12-01 22:13

RoNIN: Robust Neural Inertial Navigation预训练模型测试

接着上篇模型驱动PDR的文章继续往下讲：RoNIN:RobustNeuralInertialNavigationintheWild:Benchmark,Evaluations,andNewMethods是深度学习应用于PDR的典型，下面我们就基于这篇文章进行测试，查看深度学习PDR的效果。论文项目网站源代码安装pytorch测试环境ubuntu18.04,大家可以网上找一下安装Pytorch，配置

晓晨的博客·2022-12-01 11:13

Transformer Meets Tracker: Exploiting Temporal Context for Robust Visual Tracking

TransformerMeetsTracker:ExploitingTemporalContextforRobustVisualTracking前言一、Abstract二、Contribution三、Method1、RevistingTrackingFrameworks2、TransformerforVisualTracking2.1TransformerOverview2.2Transforme

阿阿阿辉啊·2022-12-01 02:33

单目标追踪——【Transformer】Transformer Meets Tracker:Exploiting Temporal Context for Robust Visual Tracking

目录文章侧重网络结构具体的Encoder和Decoder的结构模型的推理过程Transformer这个香饽饽怎么能不用来迁移到目标追踪里呢。我计划对CVPR2021的3篇将Transformer引入目标追踪任务的论文进行分析总结。本篇博客分析TrDiMP/TrSiam。TransformerMeetsTracker:ExploitingTemporalContextforRobustVisualT

zz的大穗禾·2022-12-01 02:30

[论文阅读 2021 CVPR-oral 目标跟踪]Transformer Meets Tracker Exploiting Temporal Context for Robust Visual

简介paper:TransformerMeetsTracker:ExploitingTemporalContextforRobustVisualTrackingcode:594422814/TransformerTrack盼着盼着它来了！这篇论文将Transfomer引入了单目标跟踪任务中，且取得了很好的效果。这篇论文提供了一个基于Transfomer的中间模块，通过该中间模块可以显著提升提取的特

lingqing97·2022-12-01 02:28

CVPR2021跟踪算法TransformerTrack的配置（Exploiting Temporal Context for Robust Visual Tracking）

1、论文下载地址：TransformerMeetsTracker:ExploitingTemporalContextforRobustVisualTracking.[paper]2、代码下载地址：https://github.com/594422814/TransformerTrack3、环境配置因为TransformerTrack是基于pytracking来配置，所以我们直接使用已经配置好的py

博博有个大大大的Dream·2022-12-01 02:27

SLAM学习笔记《Past, Present, and Future of Simultaneous Localization and Mapping: Toward the Robust-Per》

《Past,Present,andFutureofSimultaneousLocalizationandMapping:TowardtheRobust-PerceptionAge》一、引言SLAM包含同时估计搭载传感器机器人的状态估计以及构建传感器感知的环境模型（模型）。在简单的例子中，机器人的状态可以通过它的位姿来描述（位置与方向），尽管状态还包含其它量，如机器人速度、传感器偏差（sensorb

layB·2022-11-30 23:49

CVPR2022 活体检测 Adaptive Transformers for Robust Few-shotCross-domain Face Anti-spoofing

论文链接：https://arxiv.org/pdf/2203.12175.pdf域泛化(domaingeneralization)：旨在从多个源域数据集中学习一个模型，该模型能泛化到未知的数据集中。元学习(meta-learning)：在训练期间模仿域偏移(domainshift)，以获得一个表达能力强的特征空间。少样本学习(few-shotlearning)：旨在从每个类的几个样本中学习，使模

Cassiel_cx·2022-11-30 19:36

A Robust Fuzzy Local Information C-means Clustering Algorithm

鲁棒的模糊局部信息C均值聚类算法摘要本文提出了一种模糊c均值（FCM）算法的变体，该算法可提供图像聚类。该算法以一种新颖的模糊方式融合了局部空间信息和灰度信息。新算法称为模糊局部信息C均值（FLICM）。FLICM可以克服已知的模糊c均值算法的缺点，同时可以提高聚类性能。FLICM的主要特征是使用模糊局部（空间和灰度）相似性度量，旨在确保对噪声不敏感并保留图像细节。此外，所提出的算法完全没有经验调

HanWang~·2022-11-30 19:39

python热力图颜色设置_【Python】绘制热力图seaborn.heatmap，cmap设置颜色的参数

1.参数详解seaborn.heatmapseaborn.heatmap(data,vmin=None,vmax=None,cmap=None,center=None,robust=False,annot

weixin_39877805·2022-11-30 14:08

论文阅读：Observation-Centric SORT: Rethinking SORT for Robust Multi-Object Tracking——OC-SORT

前言文章的一作是曹金坤，作者同时还是《TransTrack:MultipleObjectTrackingwithTransformer》的二作。文章：https://arxiv.org/pdf/2203.14360.pdf代码：https://github.com/noahcao/OC_SORT本文为论文阅读记录，本人才疏学浅，应该有错误的认识，希望读者能在评论区帮助我改正错误。文章提出了一种用于

大聪聪聪·2022-11-30 10:24

【论文精读】Parallax-Tolerant Image Stitching Based on Robust Elastic Warping

18岁小白想成大牛·2022-11-30 10:17

RPM-Net: Robust Point Matching using Learned Features 2020 论文笔记

通讯作者：GimHeeLee第一作者：ZiJianYew研究机构：新加坡国立大学代码链接：https://github.com/yewzijian/RPMNet论文解决的问题解决了点云刚性配准任务中，对初始刚性变换和噪声/离群点敏感的问题。现有方法的不足&本文贡献迭代最近点法（ICP）分两步迭代求解刚性点云配准问题：对空间上最近点对应关系进行硬赋值，求出最小二乘刚性变换然而，基于空间距离的最近点对

phy12321·2022-11-30 10:16

Robust Document Image Dewarping Method Using Text-Lines and Line Segments论文学习笔记

1摘要传统的基于文本行的文档去扭曲方法在处理复杂布局和/或非常少的文本行时会出现问题。当图像中没有对齐的文本行时，这通常意味着照片、图形和/或表格占据了输入的大部分。因此，对于健壮的文档去扭曲变形，我们建议除了对齐的文本行之外，还使用图像中的线段。基于图像中的许多线段在校正良好的图像中水平或垂直对齐的假设和观察，我们将此属性编码到代价函数中，以及文本行对齐代价。通过最小化该代价函数，我们可以获得用

HenrySmale·2022-11-30 10:43

DDDM: A Brain-Inspired Framework for Robust Classification

论文链接：https://www.ijcai.org/proceedings/2022/0397.pdf0引言这篇文章的出发点是解决人工神经网络的鲁棒性问题。尽管当前的神经网络在很多任务上都取得了很好的效果，但是对抗噪声的能力都比较弱，当输入存在噪声时，输出结果可能完全不同。而人脑并不会出现这种问题。从人脑的认知中收到启发，人脑在进行复杂感知时，是存在渐进式的，随着时间不断的推移，累积更多的线索，

leo0308·2022-11-29 03:47

Resolution-robust Large Mask Inpainting with Fourier Convolutions 解读

现代的图像补全系统尽管取得了重大进展，但经常与大的缺失区域，复杂的几何结构和高分辨率的图像数据作斗争。我们发现，其中一个主要的原因是其补全网络和损失函数中都缺乏一个有效的感受野。为了缓解这一问题，我们提出了一种新的方法——largemaskinpainting（LaMa）。LaMa是1）基于一种使用快速傅里叶卷积的全新的补全网络框架，其有着覆盖整张图像范围的感受野；2）一个高感受野的感知损失；3）

Mr.小蔡·2022-11-27 06:24

深度学习-Resolution-robust Large Mask Inpainting with Fourier Convolutions基于傅里叶卷积的对分辨率鲁棒的掩模修复

Resolution-robustLargeMaskInpaintingwithFourierConvolutions基于傅里叶卷积的对分辨率鲁棒的掩模修复0.摘要1.概述2.方法2.1.早期层中的全局上下文2.1.1快速傅立叶卷积（FFC）2.1.2.FFC的能力2.2.损失函数2.2.1.高感受野感知损失(Highreceptivefieldperceptualloss/HRFLoss)2.2

HheeFish·2022-11-27 06:22

【论文阅读】LaMa: Resolution-robust Large Mask Inpainting with Fourier Convolutions（WACV 2022）

LaMa:基于傅立叶卷积的分辨率鲁棒的大掩模修复图1本文提出的算法可以很好地修复遮挡面积较大的图像并且适用于各种图像，即使图像具有复杂的重复结构，本文的方法还可以推广到更高分辨率的图像上，即使我们是在256x256低分辨率图像上训练的。文章目录LaMa:基于傅立叶卷积的分辨率鲁棒的大掩模修复速览摘要引言方法在浅层获取全局的上下文信息损失函数高感受野感知损失最终的损失函数训练集中的mask生成实验和

Xavier Jiezou·2022-11-27 05:52

8.1 Python图像处理之图像典型分割-SUSAN边缘检测

它是一种很有特色高效的边缘和角点检测算子，它不仅可以检测图像目标的边界点，而且能够较Robust（鲁棒）地检测目标的角点。并且具有结构

集电极·2022-11-27 04:02

聚类分析之迭代聚类——“K-Means聚类…

鲁棒是Robust,英[rə(ʊ)'bʌst]的音译，也就是健壮、强壮、坚定、粗野的意思。鲁棒性(robustness)就是系统的健壮性。常使用如：算法的鲁棒性。

sjpljr·2022-11-27 03:45

Reading SketchVisor Robust Network Measurement for Sofeware Packet Processing

SIGCOMM17摘要在现有的网络测量任务中包括流量监测、数据收集和一系列网络攻击的预防。现有的基于sketch的测量算法存在严重性能损失、大量计算开销以及测量的精确性不足，而基于硬件的优化方法并不适合sketch。为了完成这些任务，设计了一种基于纯软件包转发的网络测量框架，并改进现有算法提出了两种算法。这个网络测量框架具有高性能（line-rate）、高精度、广泛性（适用于多种sketch算法）

weixin_30535043·2022-11-27 02:14

CVPR2022-TransFusion: Robust LiDAR-Camera Fusion for 3D Object Detection with Transformers

PS:–转载自我的知乎关键词：CVPR2022,LiDAR-camera,Transformer文章地址：arxiv代码地址：github文章贡献（1）研究了激光雷达-相机融合的固有难点，并揭示了robust

zyrant丶·2022-11-26 22:25

【论文阅读】【多传感器融合】TransFusion: Robust LiDAR-Camera Fusion for 3D Object Detection with Transformers

论文标题：TransFusion:RobustLiDAR-CameraFusionfor3DObjectDetectionwithTransformersCVPR2022现存的Lidar-Camera融合的方法：主要分为三类：result-level，proposal-level以及point-levelresultlevel是这么做的：首先用现成的2d检测器来生成3dproposals,然后用p

Lukas88664·2022-11-26 22:53

TransFusion-Robust LiDAR-Camera Fusion for 3D Object Detection with Transformers

不忙的时候，阅读论文、调研文献。这篇是2022CVPR、3D检测，采用激光雷达和图像相结合的算法。使用Transformer实现多模态融合。在自动驾驶领域中，感知、识别、检测车辆周围障碍物有多种方案，有仅基于视觉的、有仅基于激光雷达的，还有基于多传感器融合的。TransFusion采用了多传感器融合的方案，以软关联(soft-association)的方式提高了鲁棒性。由于视觉技术十分成熟，用来实

笨小lg子亥·2022-11-26 21:12

[CVPR‘22 SLPT] Sparse Local Patch Transformer for Robust Face Alignment and Landmarks Inherent Relat

SparseLocalPatchTransformerforRobustFaceAlignmentandLandmarksInherentRelationLearningpaper:CVPR_2022_papergithub:GitHub-Jiahao-UTS/SLPT-master摘要Heatmap-based方法是目前Facealignment中的主流方法，然而该类方法忽略了点位之间的内在关联

zzl_1998·2022-11-26 15:01

《GKT：Efficient and Robust 2D-to-BEV Representation Learning via Geometry-guided Kernel Transformer》

参考代码：GKT1.概述介绍：这篇文章介绍了一种基于几何先验在图像特征中寻找referencepoints，同时在该referencepoints处通过预先设置窗口抠取图像特征，并在此基础上使用attention操作实现特征优化，从而获取bev特征的方法。上述通过几何先验寻找referencepoints的方法可以通过lookuptable实现加速，这样整体网络的计算耗时就相对较小，可以跑到很高的

m_buddy·2022-11-25 12:24

windows下object_detection（tensorflow-gpu1.13.1）安装

前言为了搭建robust-physical-attack环境，根据https://github.com/shangtse/robust-physical-attack/blob/master/Pipfile

iDTer·2022-11-25 08:51

【图神经网络论文整理】（四）—— Understanding Attention and Generalization in Graph Neural Networks

UniversityofGuelphVectorInstitute），GrahamW.Taylor（UniversityofGuelphVectorInstitute,CanadaCIFARAIChair），MohamedR.Amer∗（Robust.AI

咕嘟·2022-11-25 03:50

【Simulink】仿真_PID控制器调谐/调参/整定

通过这种方法，可以调优PID控制器参数，以实现具有所需响应时间(responsetime)的鲁棒(robust)设计。PID调谐器的典型设计工作流程包括以下步骤:1.启动PID调谐器。

风雨同舟1·2022-11-24 21:17

粗读SELF-SUPERVISED LEARNING IS MORE ROBUST TO DATASET IMBALANCE

本文首先通过两组实验，证明自监督预训练能够更好地应对极端的数据不平衡现象ID是in-domain缩写，而OOD是out-of-domain缩写。前者代表预训练数据集和测试集是同一数据集，而后者说明两者并非同一数据集。n是预训练数据量，n旁边的数字代表预训练时数据最多的类和数据最少的类数量之比，1代表数据平衡，数字越小代表不平衡程度越极端。SSL代表自监督，SL代表全监督可以看到，在ID情况下，虽然

格里芬阀门工·2022-11-24 08:56

real time robust malicious traffic detection via frequency domain analysis记录一下

现有的机器学习的模型准确度太低，并且吞吐量太低。不能满足高吞吐量的实时网络。且可以被复杂攻击轻松的绕过。realtime中文分析ABSTRACT对于0-day攻击检测，ML（machinelearning）是对基于现有探测规则的很好的补充。但是目前的基于ML的探测规则，准确率和吞吐量太低，因为目前的流量特征提取效率太低了。同样，ML探测和基于现有规则的探测一样，可以轻松的被复杂攻击所绕过。whis

iuui11·2022-11-24 00:48

推荐频道

Robust