real-time 第10页

《SRN Stacked Regression Network for Real-time 3D Hand Pose Estimation》略读与实践

《SRN:StackedRegressionNetworkforReal-time3DHandPoseEstimation》略读与实践这篇与《AWR:AdaptiveWeightingRegressionfor3DHandPoseEstimation》相似，本质都还是3Dheatmap用来做深度图手部关键点坐标估计，最大不同在于这篇论文是迭代stage的方法不断finetune回归关键点坐标的。作

算法妖怪·2020-08-25 17:41

Real-time 3D Hand Pose Estimation with 3D Convolutional Neural Networks

基于三维卷积神经网络的实时三维手势估计1摘要在本文中，我们提出了一种使用三维卷积神经网络（CNNs）从单深度图像进行实时三维手姿态估计的新方法。2DCNN提取的基于图像的特征由于缺乏3D空间信息，不适合直接进行3D手姿势估计。我们提出的基于3DCNN的方法，将手部深度图像的3D体积表示作为输入并从体积输入中提取3D特征，可以捕获手的3D空间结构并且在单通道中准确地回归全3D手部姿势。为了使3D

杨6·2020-08-25 04:36

Four-Way Traffic Intersection System in Real-Time Maude

论文：ModelingandFormalAnalysisoftheNAOMIEDeTCMS-4Four-WayTrafficIntersectionSysteminReal-TimeMaude原文作者：PeterCsabaOlveczky(DepartmentofInformatics,UniversityofOslo)，Jos´eMeseguer(DepartmentofComputerScie

IF_I·2020-08-25 00:41

关于DG配置备库无法Real-Time Apply，无法实时查询的一个案例

检查一下logfile是否一致SQL>selectgroup#,bytes/1024/1024fromv$log;GROUP#BYTES/1024/1024-------------------------110021003100SQL>selectgroup#,bytes/1024/1024fromv$standby_log;GROUP#BYTES/1024/1024--------------

逝鸿·2020-08-24 19:17

YOLO_v1论文详解You Only Look Once,Unified, Real-Time Object Detection

目录一、概览1.1贡献点1.2背景双阶段单阶段二、方法2.1Unifieddetection2.2网络结构设计2.3缺点三、实验3.1模型性能对比3.2错误样本分析3.3YOLO与fast-RCNN的boost3.4实时检测模型对比四、结论及个人评价相关内容：深度学习目标检测2013-2018模型总结概览及详解一、概览1.1贡献点将目标检测的定位问题转化为回归问题将目标检测实现为单个网络，端到端实

祥瑞Coding·2020-08-24 17:38

献给新手开发者，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

飞猪飞飞·2020-08-24 05:22

MultiNet: Real-time Joint Semantic Reasoning for AutonomousDriving

摘要当大部分语义推理的方法聚焦在提升性能的时候，在这篇文章中我们认为在一些实时应用比如自动驾驶中计算时间非常重要。为了实现这个目标，我们提出了一种联合进行分类、检测和语义分割的方法，形成一个统一的架构，在这种架构中，三个任务的编码器阶段是共享的。我们的方法比较简单，在非常具有挑战性的KITTI数据集上性能也非常好，超过了很多路面分割任务中目前的最好性能。我们的方法非常有效，可以让我们以大于每秒23

李泽滨_123·2020-08-24 03:22

《LaneNet: Real-Time Lane Detection Networks for Autonomous Driving》

摘要车道检测是检测道路上的车道线，提供车道线的精确位置和形状。它在现代高级辅助驾驶系统（ADAS）和自动驾驶系统中是非常关键的技术。但是，车道检测的一些特性使它充满了挑战。缺乏显著的特征使车道检测算法往往很容易混淆其他具有相似外观的物体。而且还有不一致的车道数量，多种多样的车道线样式，比如实线、残缺的车道线、单线、双线、并线和叉线，这些都阻碍了系统性能的提升。在这篇论文中，我们提出了一种深度神经网

李泽滨_123·2020-08-24 03:21

YOLO: Real-Time Object Detection

homedarknetcoqtacticspublicationsprojectsrésuméYOLO:Real-TimeObjectDetectionwidth="560"height="315"src="https://www.youtube.com/embed/K9a6mGNmhbc"frameborder="0"allowfullscreen="">Youonlylookonce(YOLO

凌风探梅·2020-08-23 23:09

【读书笔记】一些名词注记--OpenGL

1、实时（real-time）：广泛含义是指计算机能够即时的对输入经行处理。应用到计算机图形中意味着计算机对诸如操作杆活动，击键等输入事件直接作出响应，产生动画或图像序列。

versuna·2020-08-23 07:20

论文笔记：Perceptual Losses for Real-Time Style Transfer and Super-Resolution[doing]

1.transformation:imagetoimage2.perceptuallosses:psnr是per-pixel的loss,值高未必代表图片质量好，广泛应用只是因为计算比较简单对图片做superresolution

John2King·2020-08-23 06:57

Reading Note: Tiny SSD: A Tiny Single-shot Detection Deep Convolutional Neural Network for Real-time

TITLE:TinySSD:ATinySingle-shotDetectionDeepConvolutionalNeuralNetworkforReal-timeEmbeddedObjectDetectionAUTHOR:AlexanderWong,MohammadJavadShafiee,FrancisLi,BrendanChwylASSOCIATION:UniversityofWaterloo

joshua_1988·2020-08-22 15:54

RTX51 Tiny用户指南（一）

Real-Time程序讨论实时程序面临的问题，以及如何使用RTX51Tiny来解决这些问题。操作原理描述如何操作RTX51Tiny，以及切换任务。配置RTX51Tiny描述如何为应用配置内核。

沧海孤叶·2020-08-22 10:48

(41)[NIPS15] Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

计划完成深度学习入门的126篇论文第四十一篇，MSRA的KaimingHe及RossGirshick,和JianSun等完成的对前作FastR-CNN的改进。[github]Abstract最先进的目标检测网络依赖于区域建议算法来假设目标位置。SPPnet[1]和FastR-CNN[2]等技术的进步，降低了检测网络的运行时间，暴露了regionproposal计算的瓶颈。在这项工作中，我们引入了一

gdtop818·2020-08-22 04:06

【论文阅读】Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel.........

2019独角兽企业重金招聘Python工程师标准>>>题目：采用高效的亚像素卷积神经网络实现实时单图像和视频的超分辨率CVPR2016收录摘要：近年来，基于深度神经网络的多模型在单幅图像超分辨率重建精度和计算性能方面都取得了很大的成功。在这些方法中，低分辨率(LR)输入图像在重建前使用一个滤波器(通常是双三次插值)被放大到高分辨率(HR)空间。这意味着超分辨率(SR)操作是在HR空间中执行的。我们

weixin_34097242·2020-08-22 04:33

（VESPCN）Real-Time Video Super-Resolution with Spatio-Temporal Networks and Motion Compensation

一、简介1、目的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。与单帧模型相比，时空网络即可以减少计算，又可以维持输出质量。2、introduction超分辨问题一直是信号处理领域中的一大挑战。在多帧超分辨问题中，假设能够对同一

进击的小胖纸·2020-08-22 03:10

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

论文阅读笔记：FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworks本文主要包含如下内容：博客训练代码功能介绍论文地址：FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworks论文阅读笔记FasterR-CNNToward

ProYH·2020-08-22 03:35

【论文翻译】Real-time Detection and Recognition ofLive Panoramic Traffic Signs Based on Deep Learning

文章目录基于深度学习的全景交通标志实时检测与识别摘要引言近来的工作方法实验结论基于深度学习的全景交通标志实时检测与识别摘要随着无人驾驶的热度和交通安全的挑战，交通标志的检测和识别是无人驾驶的核心问题。研究它具有重要意义。目前，由于深度学习的应用，目标识别方法取得了良好的效果，但对实时全景高分辨率图像或视频中小目标的实时识别研究较少。本文提出了一种在高分辨率图像中进行小物体检测和识别的方法，并将其应

susanhc·2020-08-22 03:05

Real-Time Single Image and Video Super-Resolution Using an efficient Sub-Pixel CNN（论文笔记）

Thispaperproposesanovelconvolutionalneuralnetworkarchitecturewherethefeaturemapsareextractedinthelowresolutionspacetoreducethecomputationalcomplexity.Mainpointsofstrength:Inthispaper,theydemonstratedt

snowleafzf·2020-08-22 03:50

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

Abstract先进的目标检测网络依赖于区域提议算法来假设对象位置。像SPPnet和FastR-CNN的改进减少了这些检测网络的运行时间，使区域提议计算成为瓶颈。在这项工作中，我们引入了一个区域提议网络（RPN），它与检测网络共享全图像卷积特征，从而实现了几乎无成本的区域提议。RPN是一个完全卷积网络，可同时预测每个位置的物体边界和对应分数。RPN被端到端地训练以生成高质量区域提议，其被FastR

IEEE Fellow·2020-08-22 02:10

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

一、基本信息标题：FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworks时间：2016引用格式：Ren,Shaoqing,etal.“Fasterr-cnn:Towardsreal-timeobjectdetectionwithregionproposalnetworks.”Advancesinneuralinfo

zzig·2020-08-22 02:49

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks程序(Python)配置问题总结

转自http://blog.csdn.net/jiajunlee/article/details/50373815目录目录预先浏览QAQ1errorutilsbboxcNosuchfileordirectoryQ2errornmscpu_nmscNosuchfileordirectoryQ3errornmsgpu_nmscNosuchfileordirectoryQ4Makefileconfign

cvml·2020-08-22 02:50

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

《FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworks》链接地址发表会议：CVPR2016Abstract：最先进的目标检测网络依赖于区域建议算法来假设目标的位置。SPPnet[1]和快速R-CNN[2]等技术的进步缩短了这些检测网络的运行时间，暴露了区域建议计算的瓶颈。在这项工作中，我们引入了一个区域建议网络(

jcfszxc·2020-08-22 01:36

论文笔记之PPDM（Parallel Point Detection and Matching for Real-time Human-Object Interaction Detection）

分为两分支，一个用于点（人、物、交互三个点）检测，一个用于点匹配，达到了实时的效果。CVPR2020接收论文地址：https://arxiv.org/pdf/1912.12898v1.pdf1.摘要本文提出了一种一阶段人物交互（HOI）检测方法，该方法在单个TitanXPGPU上以37fps的速度在HICO-DET数据集上优于现有的所有方法。这是第一种实时检测HOI的方法。传统的HOI检测方法分为

To_1_oT·2020-08-22 01:38

【目标检测】Faster R-CNN论文详解（Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Netw....

论文原文：https://arxiv.org/pdf/1506.01497.pdfR-CNN论文详解：https://www.jianshu.com/p/c1696c27abf8fastR-CNN论文详解：https://www.jianshu.com/p/fbbb21e1e390一、简介fasterR-CNN发表于NIPS2015，从命名不难看出，它和R-CNN、fastR-CNN一脉相承。首先

不可能打工·2020-08-22 01:36

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

看到fasterrcnn官方说明其实配置起来很简单，但是...还是遇到了一堆的问题。有几个重要的地方还记得就强调一下。1.fasterrcnn的官方第一句话是改Makefile.config的配置：使用cudnn以及pythonlayer。所以是需要cudnn的，而且，（划重点）。只能使用cudnnv4。如果看我以前的文章就知道，我刚开始安装的时候看别人的教程，就安装的cudnnv5。但是，跑这个

Aem666·2020-08-22 01:44

RCNN学习笔记(3)：《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》

有很多优秀的作者都对这篇文章进行了翻译，我从那些笔记中摘选出我认为比较重要的进行记录。RCNN学习笔记(7):FasterR-CNN英文论文翻译笔记——>http://blog.csdn.net/u011534057/article/details/51259812RCNN学习笔记(5)：fasterrcnn——>http://blog.csdn.net/u011534057/article/de

Wonder233·2020-08-22 01:14

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

论文简介：YOLO是作者针对R-CNN系列等的Two-stage的目标检测算法的时间性能较低，训练、预测Pipeline分散复杂等的缺点，提出的一种更接近端到端的目标检测算法。其具有更加统一、清晰的结构，具有较高的时间性能，可以达到实时检测，但具有比FasterR-CNN较低的准确性（MAP）。一、YOLOV1简介在R-CNN系列等的Two-stage的目标检测算法中，基本都遵循需要进行Regio

MoFMan·2020-08-22 00:27

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

论文简介：FasterR-CNN是作者针对FastR-CNN的若干缺点进行改进提出的一种目标检测方法，该方法对FastR-CNN还需要selectivesearch等外围方法进行regionproposals提取的缺点，提出使用训练的网络RPN（regionproposalnetwork）进行regionproposals提取，使得整个目标检测过程更“统一网络化”。一、FasterR-CNN简介F

MoFMan·2020-08-22 00:56

目标检测经典论文——YOLO论文翻译：You Only Look Once: Unified, Real-Time Object Detection（YOLO：统一的实时目标检测）

YouOnlyLookOnce:Unified,Real-TimeObjectDetectionYOLO：统一的实时目标检测JosephRedmon*,SantoshDivvala*†,RossGirshick¶,AliFarhadi*†UniversityofWashington*,AllenInstituteforAI†,FacebookAIResearch¶http://pjreddie.c

bigcindy·2020-08-22 00:35

(论文翻译)Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

水平有限，仅供参考，如有翻译不当的地方敬请指出。转载请注明出处。论文地址：http://papers.nips.cc/paper/5638-faster-r-cnn-towards-real-time-object-detection-with-region-proposal-networks译文地址：https://blog.csdn.net/weixin_42762089/article/de

wangjun0708·2020-08-22 00:14

Fatser R-CNN:Towards Real-Time Object Detecion with Region Proposal Networks--2015论文笔记

1.Introduction我们基于一个ideao：convolutionalfeaturemapscanalsobeusedforgeneratingregionproposals.所以在此基础上，我们增加了两个额外的convlayers:1）encodeeachermappositionintoashortfeaturevector.(把每一个featuremap的位置都encode成一个短的

weixin_41950276·2020-08-22 00:09

Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural

Real-TimeSingleImageandVideoSuper-ResolutionUsinganEfficientSub-PixelConvolutionalNeuralNetwork摘要近来，基于深层神经网络的几种模型在单像超分辨率的重构精度和计算性能方面取得了巨大的成功。在这些方法中，低分辨率（LR）输入图像在重建之前使用单个滤波器（通常是双三次插值）被放大到高分辨率（HR）空间。这意味

我xihuan·2020-08-22 00:51

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

文章目录RPN（RegionProposalNetworks）anchoranchor设计解决多尺度问题anchorbox与groundtruth匹配机制架构softmax判定foreground与background边界框回归对proposals进行boundingboxregressionProposalLayerROIpooling损失函数参考资料RPN（RegionProposalNetw

爱吃糖的茄子·2020-08-22 00:09

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

论文链接：https://arxiv.org/abs/1506.01497作者：ShaoqingRen,KaimingHe,RossGirshick,andJianSun发布时间：20152015年66月发布，20162016年11月月最后修改摘要之前最先进的目标检测模型如FastRCNN和SPPnet都受限于候选区域的计算，导致不能实现实时检测。在本论文中，作者引入了RegionPropos

时光机ﾟ·2020-08-22 00:35

论文阅读——Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

目录前言Abstract1、INTRODUCTION2、RELATEDWORK3、FASTERR-CNN3.1、区域建议网络(RPN)3.1.1、锚点3.1.2、损失函数3.1.3、训练RPNs3.2、RPN和FastR-CNN共享特征3.3、实现细节4、EXPERIMENTS4.1、在PASCALVOC数据集上进行实验4.2、在MSCOCO数据集上进行实验5、CONCLUSION前言之前有一段时

雨•人·2020-08-22 00:06

【论文笔记之RNNoise】A Hybrid DSP/Deep Learning Approach to Real-Time Full-Band Speech Enhancement

本文对Jean-MarcValin于2018年发表的基于深度学习降噪的论文进行简单地翻译。如有不当之处欢迎批评指正目录1.论文目的2.摘要3.介绍4.信号模型A.BandstructureB.PitchfilteringC.Featureextraction4.深度学习架构A.训练数据B.优化过程C.增益平滑5.后记1.论文目的将深度学习与传统的信号算法融合以达到更好的降噪性能，用深度学习来替

浩哥依然·2020-08-21 23:37

论文阅读：BiSeNet: Bilateral Segmentation Network for Real-time Semantic Segmentation

face++eccv2008的paper,主要提出bisenet，用于实时语义分割。感觉写的还是蛮不错的，结构清晰，通俗易懂。自己需要学习的是怎么说这个story，怎么create出创新点，其实架构很简单，但是说的特别好，为什么要这么做，还给了每一个部分起了一个好title.主要设计了BiSeNet,其中spatialpath负责保留空间信息并且生成高分辨率特征（三个卷积），contextpath

涂山容容·2020-08-21 13:00

基于Jetson TX1的 YOLO: Real-Time Object Detection

Data:2017.1.4Author:cjhTheme:YOLO:Real-TimeObjectDetection最近导师给我发了一篇文章YOLO9000BetterFasterStronger，让我把里面的源代码下载下来，我首先在自己的虚拟机上实现了一遍算法，但由于自己的笔记本没有GPU所以跑起来十分吃力，所以干脆直接将算法移植到了JetsonTX1上。文章的下载会放在我的下载资源里面，有兴趣

高山仰止-景行行止·2020-08-21 03:57

【那些年我们一起看过的论文】之《Real-Time Loop Closure in 2D LIDAR SLAM》

/*前言：新入手2dlidar一枚，打算基于cartography进行后续开发，先对论文做一定了解。*/Stepone:先全文过一遍。有网友提供翻译结果，自己对照看。了解梗概。link:http://blog.csdn.net/lilynothing/article/details/60875825Steptwo:系统细节与关键算法理解link:http://blog.csdn.net/LilyN

zijinxuxu·2020-08-20 13:18

Real-Time Loop Closure in 2D LIDAR SLAM 翻译和总结（二）

5.2分支定界扫描匹配像素级（pixel-accurate）匹配优化公式为：ξ∗=argmax(ξ∈ω)∑k=1KMnearest(Tξhk)(BBS)\xi^*=argmax(\xi\in\omega)\sum_{k=1}^KM_{nearest}(T_\xih_k)\tag{BBS}ξ∗=argmax(ξ∈ω)k=1∑KMnearest(Tξhk)(BBS)上式中ω\omegaω表示搜索窗口，

blowballs·2020-08-20 13:19

Real-Time Loop Closure in 2D LIDAR SLAM 翻译和总结（一）

HessW,KohlerD,RappH,etal.Real-TimeLoopClosurein2DLIDARSLAM[C]//2016IEEEInternationalConferenceonRoboticsandAutomation(ICRA).IEEE,2016.此篇论文是谷歌发表，主要讲了cartographer激光SLAM的实时回环方法，以及大致框架。摘要便携式激光测距仪，尤其是激光雷达L

blowballs·2020-08-20 13:19

Real-Time Correlative Scan Matching 翻译和总结

OlsonEB.Real-timecorrelativescanmatching[C]//RoboticsandAutomation,2009.ICRA'09.IEEEInternationalConferenceon.IEEE,2009.此为谷歌开源的cartographer激光雷达扫描系统的参考文献之一，系统中前端的scantosubmap和后端的回环优化部分都使用correlationsca

blowballs·2020-08-20 13:19

ICNet for Real-Time Semantic Segmentation on High-Resolution Images

代码地址：https://github.com/hszhao/ICNet论文地址:https://arxiv.org/abs/1704.085451.Introduction 本文的贡献是利用低分辨率图像的处理效率和高分辨率图像的高推断质量，并提出图像级联框架来逐步细化分段预测。这个想法是首先让低分辨率图像通过完整的语义感知网络来获得粗略的预测图。然后提出的级联融合单元引入中高分辨率图像特征，并

顾北向南·2020-08-20 02:15

（文献阅读笔记-边缘计算、交通）Offloading in Internet of Vehicles: A Fog-Enabled Real-Time Traffic Management Syste

摘要车辆产生的信息与当地有关，即车辆感应的数据有其自身的生命周期以及速度空间范围周期，例子，交通阻塞数据，只对即将靠近、欲驶向该区域的车辆及行人有价值，并且阻塞信息会不断更新。本文在基于fog的IOV系统中，实现实时卸载交通管理，减少车载事件的平均回应时间，构建分布式城市交通系统，使得靠近RSU的车辆可以作为雾节点。本文建立了三层系统模型，将整个城市划分为多个区域，每个区域一个cloudlet，多

amalloc·2020-08-19 17:18

Shared Sampling for Real-Time Alpha Matting

基于传统方法的抠图算法，可望移动端实时。目前传统抠像算法中最好的。速度比closedform快。在alphpamatting网站的排名为28，36.4（实时版本）。基本步骤为：ExpansionofKnownRegions:extrapolates“knownforeground"and“knownbackground"regionsofthetrimapintothe“unknown"regio

篱落秋风·2020-08-19 16:04

CVPR2019|In Defense of Pre-trained ImageNet Architectures for Real-time Semantic Segmentation of ...

用于道路驾驶的实时语义分割Abstract在要求苛刻的道路驱动数据集上,语义分割方法最近取得了成功,激发了人们对许多相关应用领域的兴趣。其中许多应用涉及汽车、无人机和各种机器人等移动平台上的实时预测。由于涉及的计算复杂性,实时设置具有挑战性。以前的许多工作都解决了自定义轻量级体系结构的挑战,通过减少与通用体系结构相比的深度、宽度和层容量来降低计算复杂性。我们提出了一种替代方法,可在广泛的计算预算中

Woooooooooooooo·2020-08-19 06:36

【读论文】CNN Feature Boosted SeqSLAM for Real-Time Loop Closure Detection

【读论文】CNNFeatureBoostedSeqSLAMforReal-TimeLoopClosureDetection作者是国防科技大学计算机学院的学生，发表于2018年摘要ThispaperproposesanefficientandrobustLoopclosuredetection(LCD)methodbasedonConvolutionalneuralnetwork(CNN)featu

weixin_42056321·2020-08-19 05:18

Google Cartographer SLAM 原理（Real-Time Loop Closure in 2D LIDAR SLAM 论文详细解读）

本文前言*转载请注明出处@梦凝小筑本人的研究方向为激光SLAM，因此对于GoogleCartographer的经典算法十分感兴趣，但是苦于该算法的论文是英文写作，且该论文有着公式多，解释少的特点。因此在看了原论文和网上的各种论文解读，都没有能够完全把这块硬骨头吃下去。机缘巧合，本人研究生课程高等运筹学大作业需要运用和GoogleCartographer中的闭环检测相同的方法，结合Cartograp

梦凝小筑·2020-08-19 05:29

推荐频道

real-time

《SRN Stacked Regression Network for Real-time 3D Hand Pose Estimation》略读与实践

Real-time 3D Hand Pose Estimation with 3D Convolutional Neural Networks

Four-Way Traffic Intersection System in Real-Time Maude

关于DG配置备库无法Real-Time Apply，无法实时查询的一个案例

YOLO_v1论文详解You Only Look Once,Unified, Real-Time Object Detection

献给新手开发者，如何阅读Linux源码（转）

MultiNet: Real-time Joint Semantic Reasoning for AutonomousDriving

《LaneNet: Real-Time Lane Detection Networks for Autonomous Driving》

YOLO: Real-Time Object Detection

【读书笔记】一些名词注记--OpenGL

论文笔记：Perceptual Losses for Real-Time Style Transfer and Super-Resolution[doing]

Reading Note: Tiny SSD: A Tiny Single-shot Detection Deep Convolutional Neural Network for Real-time

RTX51 Tiny用户指南（一）

最新论文阅读（21）--Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convoluti

(41)[NIPS15] Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

【论文阅读】Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel.........

（VESPCN）Real-Time Video Super-Resolution with Spatio-Temporal Networks and Motion Compensation

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

【论文翻译】Real-time Detection and Recognition ofLive Panoramic Traffic Signs Based on Deep Learning

Real-Time Single Image and Video Super-Resolution Using an efficient Sub-Pixel CNN（论文笔记）

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

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

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks程序(Python)配置问题总结

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

论文笔记之PPDM（Parallel Point Detection and Matching for Real-time Human-Object Interaction Detection）

【目标检测】Faster R-CNN论文详解（Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Netw....

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

RCNN学习笔记(3)：《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》

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

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

目标检测经典论文——YOLO论文翻译：You Only Look Once: Unified, Real-Time Object Detection（YOLO：统一的实时目标检测）

(论文翻译)Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

Fatser R-CNN:Towards Real-Time Object Detecion with Region Proposal Networks--2015论文笔记

Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural

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

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

论文阅读——Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

【论文笔记之RNNoise】A Hybrid DSP/Deep Learning Approach to Real-Time Full-Band Speech Enhancement

论文阅读：BiSeNet: Bilateral Segmentation Network for Real-time Semantic Segmentation

基于Jetson TX1的 YOLO: Real-Time Object Detection

【那些年我们一起看过的论文】之《Real-Time Loop Closure in 2D LIDAR SLAM》

Real-Time Loop Closure in 2D LIDAR SLAM 翻译和总结（二）

Real-Time Loop Closure in 2D LIDAR SLAM 翻译和总结（一）

Real-Time Correlative Scan Matching 翻译和总结

ICNet for Real-Time Semantic Segmentation on High-Resolution Images

（文献阅读笔记-边缘计算、交通）Offloading in Internet of Vehicles: A Fog-Enabled Real-Time Traffic Management Syste

Shared Sampling for Real-Time Alpha Matting

CVPR2019|In Defense of Pre-trained ImageNet Architectures for Real-time Semantic Segmentation of ...

【读论文】CNN Feature Boosted SeqSLAM for Real-Time Loop Closure Detection

Google Cartographer SLAM 原理 （Real-Time Loop Closure in 2D LIDAR SLAM 论文详细解读）

Google Cartographer SLAM 原理（Real-Time Loop Closure in 2D LIDAR SLAM 论文详细解读）