SLAM论文阅读

论文阅读：Discovering New Intents with Deep Aligned Clustering（用深度对齐聚类来发现新意图）

论文链接：代码链接：Abstract在对话系统中发现新意图是一项关键的任务，大多数现有的方法在将先验知识从已知的意图转移到新意图上是有限制的。同样，在对分组未标记的意图方面提供高质量的监督信号去学习clustering-friendly的特征也是有困难的。在这篇论文的工作中，提出了一种有效的方法，DeepAlignedClustering（深度对齐聚类）。发现新的意图是对话系统中的一项关键任务。大
我和同桌正在看论文·2023-11-16 04:59

（论文阅读31/100）Stacked hourglass networks for human pose estimation

31.文献阅读笔记简介题目Stackedhourglassnetworksforhumanposeestimation作者AlejandroNewell,KaiyuYang,andJiaDeng,ECCV,2016.原文链接https://arxiv.org/pdf/1603.06937.pdf关键词HumanPoseEstimation研究问题CNN运用于HumanPoseEstimation，
朽月初二·2023-11-16 03:44

（论文阅读32/100）Flowing convnets for human pose estimation in videos

32.文献阅读笔记简介题目Flowingconvnetsforhumanposeestimationinvideos作者TomasPfister,JamesCharles,andAndrewZisserman,ICCV,2015.原文链接https://arxiv.org/pdf/1506.02897.pdf关键词HumanPoseEstimationinVideos研究问题视频中的人体姿态估计研
朽月初二·2023-11-16 03:44

（论文阅读30/100）Convolutional Pose Machines

30.文献阅读笔记CPMs简介题目ConvolutionalPoseMachines作者Shih-EnWei,VarunRamakrishna,TakeoKanade,andYaserSheikh,CVPR,2016.原文链接https://arxiv.org/pdf/1602.00134.pdf关键词ConvolutionalPoseMachines（CPMs）、articulatedposee
朽月初二·2023-11-16 03:14

【ROS导航Navigation】一 | 概述

目录致谢：ROS赵虚左老师一、【概述】二狗子找大水法Navigation全图二、【SLAM】即时定位与地图构建三、【AMCL】自适应蒙特卡洛定位四、【Move_base】路径规划五、【cmd_vel】运动控制六
Akaxi-1·2023-11-16 00:10

【ROS导航Navigation】四 | SLAM与导航 | 自主移动的地图构建 （更新ing）

致谢：ROS赵虚左老师Introduction·Autolabor-ROS机器人入门课程《ROS理论与实践》零基础教程参考赵虚左老师的实战教程实现比较简单，步骤如下:编写launch文件，集成SLAM与
Akaxi-1·2023-11-16 00:08

【源码分析】Java中的lambda表达式会生成内部类吗？是如何生成的？

文末附结论分析以该程序为例子publicclassLambdaTest{publicstaticvoidmain(String[]args){Threadt1=newThread(()->{System.out.println
Honyelchak·2023-11-16 00:22

PCL编译提示CMake Error: Boost not Found(common is required but boost was not found)

不得不说ORB-SLAM2依赖库实在是太多了，库和库之间很容易冲突，这不，源码编译安装了boost1.54，然后在编译PCL1.8的时候报错了：CMakeError:BoostnotFound(commonisrequiredbutboostwasnotfound
nudt_qxx·2023-11-15 21:59

《视觉SLAM十四讲》-- 后端 1（下）

8.2BA与图优化BundleAdjustment是指从视觉图像中提炼出最优的3D模型和相机参数（内参和外参）。8.2.1相机模型和BA代价函数我们从一个世界坐标系中的点p\boldsymbol{p}p出发，把相机的内外参数和畸变都考虑进来，最后投影成像素坐标，步骤如下：（1）世界坐标系转换到相机坐标系P′=Rp+t=[X′,Y′,Z′]T(8-30)\boldsymbol{P'}=\boldsy
算法导航·2023-11-15 20:28

《视觉SLAM十四讲》-- 视觉里程计2

文章目录07视觉里程计27.1直接法的引出7.22D光流7.2.1Lucas-Kanade光流7.2.1实践：LK光流7.3直接法7.3.1推导过程7.3.2直接法的优缺点07视觉里程计27.1直接法的引出特征点的缺点：关键点的提取与描述子的计算非常耗时，实时性差；使用特征点时，忽略了特征点以外的所有信息，而丢弃了部分可能有用的信息；有时会出现特征缺失的情况，如白墙或者空荡荡的走廊等。为了克服上述
算法导航·2023-11-15 20:58

《视觉SLAM十四讲》-- 视觉里程计 1（下）

6.4.1直接线性变换（DLT）已知空间中某点P=[X,Y,Z,1]T\boldsymbol{P}=[X,Y,Z,1]^TP=[X,Y,Z,1]T，在图像中的归一化坐标为[u,v,1]T[u,v,1]^T[u,v,1]T，求解相机运动R\boldsymbol{R}R、t\boldsymbol{t}t。定义增广矩阵[R∣t][\boldsymbol{R}|\boldsymbol{t}][R∣t]为一
算法导航·2023-11-15 20:57

《视觉SLAM十四讲》-- 后端 1（上）

文章目录08后端18.1概述8.1.1状态估计的概率解释8.1.2线性系统和卡尔曼滤波（KF）8.1.3非线性系统和扩展卡尔曼滤波（EKF）8.1.4小结08后端1前端视觉里程计可以给出一个短时间内的轨迹和地图，但由于不可避免的误差积累，地图在长时间内是不准确的，因此，我们希望构建一个大规模、长时间的最优轨迹和地图。8.1概述8.1.1状态估计的概率解释（1）两种处理方式批量式：使用过去和未来的信
算法导航·2023-11-15 20:55

FSOD论文阅读 - 基于卷积和注意力机制的小样本目标检测

来源:知网标题:基于卷积和注意力机制的小样本目标检测作者:郭永红，牛海涛，史超，郭铖郭永红，牛海涛，史超，郭铖．基于卷积和注意力机制的小样本目标检测[J/OL]．兵工学报.https://link.cnki.net/urlid/11.2176.TJ.20231108.1418.002摘要典型的FSOD使用FastR-CNN作为基本的检测框架本文亮点:引入混合扩张卷积确保更大的感受野并减少图像信息的
NXU、辉·2023-11-15 18:18

自学SLAM（8）《第四讲：相机模型与非线性优化》作业

前言小编研究生的研究方向是视觉SLAM，目前在自学，本篇文章为初学高翔老师课的第四次作业。
Chris·Bosh·2023-11-15 17:06

SLAM中提到的相机位姿到底指什么？

不小心又绕进去了，所以掰一下。以我个人最直观的理解，假设无旋转，相机在世界坐标系的(5,0,0)^T的位置上，所谓“位姿”，应该反映相机的位置，所以相机位姿应该如下：Eigen::Matrix4dT=Eigen::Matrix4d::Identity();//假设T是一个4x4的矩阵，初始化为单位矩阵T(0,3)=5.0;但是根据我对位姿的这个理解，再结合高翔博士的《十四讲》第五章，第二版P99，
秦伟H·2023-11-15 17:26

论文阅读：Self-supervised Video Representation Learning with Cross-Stream Prototypical Contrasting

题目：Self-supervisedVideoRepresentationLearningwithCross-StreamPrototypicalContrasting作者：MartineToering一、研究背景传统的自监督对比学习不适用于视频：实例级的对比学习取得了很大进展，但是由于操作是用于经过增强的实例集上的，所以并不适用于探索视频的丰富动态结构。视频本身提供的数据增强，如：视角变化，光线
二苏旧局吖·2023-11-15 13:47

【76】论文阅读Learning Procedure-aware Video Representation from Instructional Videos and Their Narrations

LearningProcedure-awareVideoRepresentationfromInstructionalVideosandTheirNarrationsCVPR2023互联网上丰富的instructionalvideos及其解说为理解程序性活动提供了令人兴奋的途径。在这项工作中，作者建议学习视频表征，基于网络instructionalvideos及其叙述的大规模数据集，在不使用人工注
WXiujie123456·2023-11-15 10:20

论文阅读 【79】CVPR 2023 How you feelin’? Learning Emotions and Mental States in Movie Scenes

Howyoufeelin’?LearningEmotionsandMentalStatesinMovieScenesCVPR2023任务：电影故事分析需要理解人物的情绪和心理状态。为了实现这一目标，作者将情感理解定义为在电影场景和每个角色的层面上预测多样化和多标签的情感集。本文工作：提出了EmoTx，这是一种基于多模态Transformer的架构，它可以利用视频、多个角色和对话来进行联合预测。通过
WXiujie123456·2023-11-15 10:50

论文阅读 【77】A Ranking-Based Cross-Entropy Loss for Early Classification of Time Series，SCI 一区

ARanking-BasedCross-EntropyLossforEarlyClassificationofTimeSeriesIEEETRANSACTIONSONNEURALNETWORKSANDLEARNINGSYSTEMS，SCI一区Earlyclassificationoftimeseries(ECTS)旨在在观察完整数据之前对时间序列进行分类。它在时间敏感的应用中至关重要，如重症监护病
WXiujie123456·2023-11-15 10:49

【自动驾驶和机器人中的SLAM技术】实现基于预积分和图优化的GNSS+IMU+Odom的融合定位系统

目录1.公式推导2.GNSS+IMU+Odom融合定位3.利用数值求导工具，验证本书实验中的雅可比矩阵的正确性4.也欢迎大家来我公众号读书--“过千帆”1.公式推导2.GNSS+IMU+Odom融合定位程序实现以及运行效果：①首先是在预积分程序中记录了预积分积累的IMU数据个数（用来保证相邻两关键帧之间要有IMU预积分量来做约束）②然后，参考addGnss部分代码修改addOdom部分代码：运行效
宛如新生·2023-11-15 02:18

论文阅读：Robust High-Resolution Video Matting with Temporal Guidance

发表时间：2021年8月25日项目地址：https://peterl1n.github.io/RobustVideoMatting/论文地址：https://arxiv.org/pdf/2108.11515.pdf我们介绍了一种鲁棒的，实时的，高分辨率的人体视频匹配方法，以实现了新的最先进的性能。我们的方法比以前的方法要轻得多，可以在NvidiaGTX1080TiGPU上以76FPS处理4K和10
万里鹏程转瞬至·2023-11-15 00:02

PP-YOLO论文阅读笔记

PP-YOLO:Aneffectiveandefficientimplementationofobjectdetector期刊:arXivpreprint年份:2020主要内容列举:①:实现一个有效性和效率相对平衡的对象检测器，可以直接应用于实际应用场景;②②:添加了一系列几乎不会增加推断时间的技巧，以提高模型的整体性能;③:PP-YOLO可以在有效性（45.2%mAP)和效率（72.9FPS)之
咕咕咕不咕·2023-11-14 22:50

【论文阅读】GAIN: Missing Data Imputation using Generative Adversarial Nets

论文地址：[1806.02920]GAIN:MissingDataImputationusingGenerativeAdversarialNets(arxiv.org)
轩儿毛肚·2023-11-14 21:51

【论文阅读】MD-GAN: Multi-Discriminator Generative Adversarial Networks for Distributed Datasets

论文地址：[1811.03850]MD-GAN:Multi-DiscriminatorGenerativeAdversarialNetworksforDistributedDatasets(arxiv.org)本文介绍了一种名为MD-GAN的新方法，可以在分布式数据集上训练生成对抗网络（GAN）。文章首先介绍了GAN的背景和构成，然后提出了分布式GAN训练的挑战，即如何在多个工作节点上细粒度地分配
轩儿毛肚·2023-11-14 21:36

【论文阅读】(VAE-GAN)Autoencoding beyond pixels using a learned similarity metric

论文地址;[1512.09300]Autoencodingbeyondpixelsusingalearnedsimilaritymetric(arxiv.org)/一、Introduction主要讲了深度学习中生成模型存在的问题，即常用的相似度度量方式（使用元素误差度量）对于学习良好的生成模型存在一定的障碍，并提出了一种新的方法——使用学习到的相似度度量方式来改善生成模型的性能。同时，该部分还介绍
轩儿毛肚·2023-11-14 21:36

【论文阅读】PC-GAIN: Pseudo-label Conditional Generative Adversarial Imputation Networks for Incomplete Da

论文地址;[2011.07770]PC-GAIN:Pseudo-labelConditionalGenerativeAdversarialImputationNetworksforIncompleteData(arxiv.org)摘要有缺失值的数据集在实际应用程序中非常常见。GAIN是最近提出的用于缺失数据插补的深度生成模型，已被证明优于许多最先进的方法。但GAIN仅使用生成器中的重构损耗来最小化
轩儿毛肚·2023-11-14 21:05

【论文阅读】(CTGAN)Modeling Tabular data using Conditional GAN

论文地址：[1907.00503]ModelingTabulardatausingConditionalGAN(arxiv.org)摘要  对表格数据中行的概率分布进行建模并生成真实的合成数据是一项非常重要的任务，有着许多挑战。本文设计了CTGAN，使用条件生成器解决挑战。为了帮助进行公平和彻底的比较建模这类数据的方法，本文设计了一个基准测试，包括7个模拟数据集和8个真实数据集，以及几个贝叶斯网络
轩儿毛肚·2023-11-14 20:52

YOLOv5改进，论文阅读建议

"EfficientNet:RethinkingModelScalingforConvolutionalNeuralNetworks"，这是一篇在2019年提出的论文，提出了一种新的CNN模型缩放方法，可以根据目标任务的复杂性自适应地缩放网络深度、宽度和分辨率，从而在不增加计算量的情况下提高模型精度。"BagofTricksforImageClassificationwithConvolution
DeepQi·2023-11-14 17:20

SAA-C02学习记

一、AWSLambda无服务器计算让您可以在不考虑服务器的情况下构建并运行应用程序和服务。使用无服务器计算，您的应用程序仍在服务器上运行，但所有服务器管理工作均由AWS负责。
AllanRobinLukeman·2023-11-14 13:29

SLAM算法知识荟萃

文章目录SLAM自动驾驶八股PID控制算法ROS和ROS2区别四元数在表示空间旋转时的优势是什么？
howtoloveyou·2023-11-14 13:28

【目标跟踪】ECO算法论文阅读：ECO: Efficient Convolution Operators for Tracking

文章目录1.论文概要2.研究背景和动机3.相关滤波用于目标跟踪的原理4.ECO算法流程5.ECO算法创新点5.1特征降维：PCA5.2训练集简化：GMM5.3模型更新策略：间歇更新1.论文概要论文下载地址：ECO:EfficientConvolutionOperatorsforTracking发表时间：CVPR2017作者：MartinDanelljan（瑞典），目标跟踪领域的大牛官方代码：htt
ctrl A_ctrl C_ctrl V·2023-11-14 12:18

【SLAM十四讲学习笔记】第2讲 初识 SLAM

SLAM十四讲学习笔记第2讲初识SLAM文章目录SLAM十四讲学习笔记2.1SLAM是什么？2.2经典视觉SLAM框架2.3SLAM问题的数学表述2.4实践:编程基础2.1SLAM是什么？
JOJO-XU·2023-11-14 02:57

【视觉SLAM十四讲学习笔记】第一讲——SLAM介绍

SLAM介绍SLAM(SimultaneousLocalizationandMapping)译为同时定位与地图构建。
趴抖·2023-11-14 02:27

《视觉SLAM十四讲》学习笔记之第2讲——初识SLAM

《视觉SLAM十四讲》学习笔记之第2讲——初识SLAM经典视觉SLAM框架SLAM问题的数学表述本章主要分为四个部分，分别为：引子：引入一个作者虚拟的机器人——小萝卜，并介绍了与SLAM相关的传感器的相关知识经典视觉
bangbang1124·2023-11-14 02:27

【ROS入门】机器人导航（仿真）——导航实现

文章结构建图SLAM编写gmapping节点相关launch文件执行地图服务map_server地图保存节点map_server地图服务map_server定位amcl编写amcl节点相关的launch
趴抖·2023-11-14 02:26

【视觉SLAM十四讲学习笔记】第二讲——初识SLAM

专栏系列文章如下：【视觉SLAM十四讲学习笔记】第一讲一个机器人，如果想要探索某一块区域，它至少需要知道两件事：我在什么地方——定位周围环境是什么样——建图一方面需要明白自身的状态（即位置），另一方面也要了解外在的环境
趴抖·2023-11-14 02:56

论文阅读-Practical Secure Aggregation for Privacy-Preserving Machine Learning（谷歌.CCS.2017）

实用的用户隐私机器学习安全聚合的算法1.前置知识门限机制和Shamir秘密共享秘密s通过某种方案被分成n个部分，每个部分被称为份额或者影子，由一个参与者持有，使得：由k个或多于k个参与者所持有的部分可以重构S由少于k个参与者所持有的部分则无法重构S该方案称为（k,n）秘密分割门限方案，k称为门限值shamir于1979年，基于多项式插值算法设计了shamir(t,n)门限共享体制，他的秘密分配算法
md5_NULL·2023-11-14 01:59

Neural Collaborative Filtering 论文阅读和复现

NeuralCollaborativeFiltering论文阅读和复现AbstractMethodsExperimentsandResultsDataset首先是数据理解功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中
Taosolo·2023-11-14 01:47

【ROS学习】——架构

文章来源：http://t.csdn.cn/jnImX毕设是关于slam和导航的，现在需要对ros架构进行系统的学习。
白云千载尽·2023-11-13 22:13

（论文阅读28/100 人体姿态估计）Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields

28.文献阅读笔记简介题目RealtimeMulti-Person2DPoseEstimationusingPartAffinityFields作者ZheCao,TomasSimon,Shih-EnWei,andYaserSheikh,CVPR,2017.原文链接arxiv.org/pdf/1611.08050.pdf【人体姿态估计2】Real-timeMulti-person2dposeesti
朽月初二·2023-11-13 19:16

（论文阅读29/100 人体姿态估计）

29.文献阅读笔记简介题目DeepCut:JointSubsetPartitionandLabelingforMultiPersonPoseEstimation作者LeonidPishchulin,EldarInsafutdinov,SiyuTang,BjoernAndres,MykhayloAndriluka,PeterGehler,andBerntSchiele,CVPR,2016.原文链接h
朽月初二·2023-11-13 19:12

（论文阅读26/100）Weakly-supervised learning with convolutional neural networks

26.文献阅读笔记简介题目Weakly-supervisedlearningwithconvolutionalneuralnetworks作者MaximeOquab，LeonBottou，IvanLaptev，JosefSivic，CVPR，2015原文链接http://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Oquab_
朽月初二·2023-11-13 14:50

DeCLIP 论文阅读

DeCLIP:supervisionexistseverywhere:adataefficientcontrastivelanguage-imagepre-trainingparadigm贡献：论文是为了充分利用单模态和多模态，充分利用单模态特征用自监督（SIMSAM和MLM），多模态用图像文本对比学习实现；一个图片的文本描述大部分都是集中在局部区域，作者使用RRC得到一个图像的局部区域进行实现；
B1CK·2023-11-13 14:50

FD-Align论文阅读

FD-Align:FeatureDiscriminationAlignmentforFine-tuningPre-TrainedModelsinFew-ShotLearning（NeurIPS2023）主要工作是针对微调的和之前的prompttuining，adapter系列对比Motivation：通过模型对虚假关联性的鲁棒性来解释全微调的CLIP的out-of-distribution(OOD
B1CK·2023-11-13 14:50

（论文阅读25/100）Learning Multi-Domain Convolutional Neural Networks for Visual Tracking

25.文献阅读笔记Multi-DomainNetwork(MDNet)简介题目LearningMulti-DomainConvolutionalNeuralNetworksforVisualTracking作者HyeonseobNamandBohyungHan原文链接https://arxiv.org/pdf/1510.07945.pdf关键词Multi-DomainNetwork(MDNet)研
朽月初二·2023-11-13 14:49

（论文阅读27/100）Deep Filter Banks for Texture Recognition and Segmentation

27.文献阅读笔记简介题目DeepFilterBanksforTextureRecognitionandSegmentation作者MirceaCimpoi,SubhransuMaji,AndreaVedaldi,原文链接http://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Cimpoi_Deep_Filter_Banks
朽月初二·2023-11-13 14:08

[论文阅读] CLRerNet: Improving Confidence of Lane Detection with LaneIoU

Abstract车道标记检测是自动驾驶和驾驶辅助系统的重要组成部分。采用基于行的车道表示的现代深度车道检测方法在车道检测基准测试中表现出色。通过初步的Oracle实验，我们首先拆分了车道表示组件，以确定我们方法的方向。我们的研究表明，现有的基于行的检测器已经能预测出正确的车道位置，而准确表示与地面实况相交-不相交（IoU）的置信度分数是最有利的。基于这一发现，我们提出了LaneIoU，通过考虑局部
大龙唉·2023-11-13 10:10

aws lambda配置_配置Amazon Web Services（AWS）以使用Lambda

awslambda配置在英国软件Craft.io和测试会议期间，Mash在AWSLambda上举行了会议，并用Java和python编写了示例。其他人也试图在NodeJS中做到这一点。
danpob13624·2023-11-13 06:59

配置Amazon Web Services（AWS）以使用Lambda

在英国软件Craft.io和测试会议期间，Mash在AWSLambda上举行了会议，并用Java和python编写了示例。其他人也试图在NodeJS中做到这一点。
danpob13624·2023-11-13 06:28

论文阅读：A Multi-Phase Camera-LiDAR Fusion Network for3D Semantic Segmentation With Weak Supervision

来源：IEEETRANSACTIONSONCIRCUITSANDSYSTEMSFORVIDEOTECHNOLOGY,VOL.33,NO.8,AUGUST20230、0、摘要相机和激光雷达是自动驾驶中不可缺少的感知单元，为三维语义分割提供了互补的环境信息。融合两种模式的信息，实现准确、稳健的语义分词，是语义分词的关键。然而，图像特征的可靠性、不同图像特征的贡献以及图像结果与点云之间的权衡将制约基于融
shiyueyueya·2023-11-12 19:48
上一页 23 24 25 26 27 28 29 30 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他