- 博客(230)
- 资源 (13)
- 收藏
- 关注
RSS订阅
原创 图像实例分割论文及代码汇总，持续更新中~~
转载请注明作者和出处： http://blog.youkuaiyun.com/john_bh/图像实例分割，持续更新中~~文章目录ECCV 2020CVPR 2020ICCV 2019CVPR 2019CVPR 2018ICCV 2017CVPR 2017NeuRIPS 2017ECCV 2016CVPR 2015ECCV 2020SOLO: Segmenting Objects by LocationsSOLOv2:Dynamic, Faster and Stronger，Arxiv 03/2020Co
2020-07-11 11:43:22
1430
原创 常用公开人脸数据集汇总，持续更新中~~
转载请注明作者和出处： http://blog.youkuaiyun.com/john_bh/文章目录一. 人脸数据汇总表1.人脸检测2.人脸关键点检测3.人脸表情4.年龄与性别5.人脸姿态6.人脸识别二. 常用人脸数据详细介绍1.人脸检测2.人脸关键点检测2.1 CMU Multi-PIE2.2 LFPW2.3 AFLW2.4 Helen2.5 COFW2.6 300W2.7 WFLW3.人脸表情4.年龄与性别5.人脸姿态6.人脸识别一. 人脸数据汇总表1.人脸检测人脸检测是要定位出图像中人脸的位置。
2020-05-09 17:38:48
19964
1
原创 ReKep: Spatio-Temporal Reasoning of Relational Keypoint Constraints for Robotic Manipulation
将机器人操作任务表示为关联机器人和环境的约束是编码所需机器人行为的一种有前途的方法。然而，目前尚不清楚如何制定约束条件，使其 1) 能够适应不同的任务，2) 无需手动标记，3) 可通过现成的求解器进行优化以实时产生机器人动作。在这项工作中，我们引入了关系关键点约束（ Relational Keypoint Constrains: ReKep），这是一种基于视觉的机器人操作约束表示。具体来说，ReKep 表示为将环境中的一组 3D 关键点映射到数值成本的 Python 函数。
2024-09-06 07:16:44
1914
原创 Nvidia Isaac sim 安装与配置(1)
Isaac Sim 是一个从头开始构建的软件平台，旨在为日益机器人化和自动化的世界提供支持。其目标是让开发者尽可能轻松地为真实的物理机器人设计、调整、训练和部署自主控制代理。Isaac Sim 随附一系列工作流程，用于导入和调整以最常见格式设计的机械系统，包括和 MuJoCo XML 格式 (MJCF)。这是通过使用实现的，通用场景描述是一种易于扩展的开源 3D 场景描述 API，是 Isaac Sim 核心的统一数据交换格式。Isaac Sim 的核心功能是模拟本身：基于 GPU 的高保真。
2024-08-27 08:38:48
1231
原创 Masked Spatial Propagation Network for Sparsity-Adaptive Depth Refinement
为了解决这个问题，提出了稀疏自适应深度细化（SDR：sparsity-adaptive depth refinement）框架，该框架使用稀疏深度点细化单目深度估计。对于SDR，提出了掩蔽空间传播网络（MSPN: masked spatial propagation network），通过在整个深度图中逐渐传播稀疏深度信息，有效地以不同数量的稀疏深度执行SDR。然而，现有的深度补全研究假设训练和测试的稀疏性（点或激光雷达线的数量）是固定的。因此，当稀疏深度的数量显着变化时，完成性能会严重下降。
2024-07-24 16:54:31
317
原创 PyTorch使用tensorboard的SummaryWriter报错
经过查询，发现极有可能是导包(from torch.utils.tensorboard import SummaryWriter)顺序导致的问题。PyTorch使用tensorboard可以显示网络运行情况，但偶尔使用SummaryWriter时遇到Segmentation fault错误。将from torch.utils.tensorboard import SummaryWriter顺序调前，可以顺利导包和实例化了。(1) 在代码中写入faulthandler。
2024-06-03 09:14:54
610
2
原创 PyTorch中的torchscript模型转换为普通的nn.Module模型
PyTorch中的torchscript模型转换为普通的nn.Module模型。
2024-06-03 08:38:41
225
原创 3D Gaussian Splatting 论文及代码汇总，持续更新中~~
* 3D Gaussian Splatting 论文及代码汇总，持续更新中~~**
2024-03-24 17:52:05
1446
原创 深度学习项目实验总结
1.整体流程2.熟悉数据如吴恩达老师所说的，深度学习是二八定律：20%是模型设计，80%是数据。可见数据在整个算法设计中的重要性，在正式开始编码首先是熟悉数据。在以往做的几个项目中，我都会会费大量的时间和精力去熟悉了解项目是基于怎样的数据集做的。在观察数据集的过程中其实也是人的大脑在寻找提取特征，对数据中存在的问题和结构进行分类总结，这也是我最终模型结构的初级基础。在分析数据中具体如以下方面：数据量大小，确定是否需要额外的数据集或者数据增强操作；数据中各个类别是怎么分布的，是否存在数据不平问题，对
2021-11-17 09:43:21
2149
原创 GDR-Net: Geometry-Guided Direct Regression Network for Monocular 6D Object Pose Estimati
作者重新讨论了直接6D位姿回归的方法，并提出了一个新的GDR-Net来统一直接方法和基于几何的间接方法。其核心思想是利用中间几何特征 $M_{2D-3D}$ 和 $M_{SRA}$ 使用简单而有效的2D卷积Patch-PnP直接从几何制导回归6D位姿。
2021-11-16 18:43:32
3450
1
原创 SO-Pose: Exploiting Self-Occlusion for Direct 6D Pose Estimation
作者通过一种新的 self-occlusion 以建立一个两层的三维物体表示，从而大大提高端到端6D位姿估计的准确性。采用单个RGB图像作为输入，生成2D-3D对应，利用共享编码器和两个独立解码器的生成自遮挡信息，然后融合两个输出，直接回归6DoF位姿参数。结合 align correspondences、selfocclusion 和6D姿态的跨层一致性，可以进一步提高准确性和鲁棒性，并且在各种具有挑战性的数据集上超越或与所有其他 soat 的方法相匹敌。
2021-10-12 15:50:42
2222
原创 [6DoF Pose] DeepIM: Deep Iterative Matching for 6D Pose Estimation
在这项工作中，作者引入了DeepIM，一个新的框架迭代的姿态匹配只使用RGB图像。给定目标的初始6D位姿估计，设计了`一种新的深度神经网络`，`直接输出相对位姿变换`，改进了位姿估计，网络在训练过程中自动学习匹配目标的姿态。作者引入了`一个解耦的pose表示`，它也独立于物体大小和三维物体模型的坐标系，这样，网络甚至可以匹配不可见物体的姿态。
2021-08-31 17:27:39
1335
1
原创 A Pose Proposal and Refinement Network for Better 6D Object Pose Estimation
作者提出了一种对RGB图像的end-to-end 的6DoF pose 估计方法。输入RGB图像.PPN初步姿态估计，然后通过 MARN 对第一步的pose进行迭代优化，该方法的refiner预测估计是初始化姿态和目标姿态的相对误差。相比基于RGB输入图像的方法，达到了sota。
2021-08-02 15:12:55
785
原创 6DoF pose 估计evaluation metrics 汇总，持续更新~~
6DoF pose 估计evaluation metrics 汇总
2021-08-02 15:05:59
2327
原创 se(3)-TrackNet: Data-driven 6D Pose Tracking by Calibrating Image Residuals in Synthetic Domains
作者为长期的6D姿态跟踪提出了一种数据驱动的优化方法。它旨在根据当前的RGB-D观测值和由先前的最佳估算值与物体模型来为条件合成的图像，确定最佳相对姿势。作者关键的贡献提出一种新颖的神经网络架构，该架构适当地解开了特征编码，以帮助减少域偏移，并通过 Lie Algebra 实现了有效的3D方向表示。速度上实现了90.9Hz的跟踪频率`
2020-11-20 19:30:31
1115
原创 [6DoF Pose] Category-Level Articulated Object Pose Estimation
本文针对单一深度图像中关节目标的分类级位姿估计问题进行了研究。我们提出了一种新的分类级别的方法，它能正确地容纳在训练期间未见过的对象实例。我们引入了关节感知规范化坐标空间层次结构(ANCSH)——给定类别中不同关联对象的规范表示。作为实现类内概化的关键，该表示构造了一个规范对象空间和一组规范部分空间。标准对象空间对对象的方向、尺度和关节(例如关节参数和状态)进行规格化，而每个标准部分空间进一步对其部分姿态和尺度进行规格化。我们发展了一个深厚的网络基础 pointnet++，从单一深度点云预测ANCSH，包括
2020-11-15 18:19:42
783
原创 LatentFusion:End-to-End Differentiable Reconstruction and Rendering for Unseen Object Pose Estimatio
作者提出了一种新的6D位姿估计框架。设计了一个网络，它`在推理时使用少量的参考视图重建一个对象的潜在3D表示。该网络能够从任意视图中渲染潜在的3D表示`。使用该神经渲染器，可以针对给定输入图像的姿势直接进行优化， 通过使用大量3D形状训练该网络以进行重构和渲染，该网络可以很好地推广到没有见过的对象。另外作者还`提出了一个新的用于不可见目标姿态估计的数据集——MOPED
2020-11-15 18:15:23
1224
原创 [6DoF Pose] Category Level Object Pose Estimation via Neural Analysis-by-Synthesis
作者提出将基于梯度的拟合过程与参数化神经图像合成模块相结合，该模块能够隐式表示整个对象类别的外观，形状和姿势，从而无需每个对象实例使用显式CAD模型。实验证明该方法可以仅从2D图像中以高精度恢复对象的方向；当提供深度测量结果时，为克服尺度模糊性，该方法可以成功地准确恢复完整的6DOF姿态。
2020-11-15 18:12:44
1302
原创 [6DoF Pose] Normalized Object Coordinate Space for Category-Level 6D Object Pose and Size Estimation
Normalized Object Coordinate Space for Category-Level 6D Object Pose and Size Estimation
2020-09-14 19:36:24
2758
原创 PyTorch学习笔记(九) ---- 使用 TensorBoard 可视化模型，数据和训练
PyTorch学习笔记(九) ---- 使用 TensorBoard 可视化模型，数据和训练
2020-08-29 17:31:16
2495
原创 PyTorch学习笔记(八) ---- torch.nn 到底是什么？
PyTorch学习笔记(八) ---- torch.nn 到底是什么？
2020-08-29 16:15:23
7240
1
原创 [Eye Tracking] Towards End-to-end Video-based Eye-Tracking
面向端到端，基于视频的眼动追踪。本文提出眼动追踪(Eye Tracking) EVE 新数据集合新网络，EVE含 1200万帧的大型视频数据集，为了来自网络摄像头传感器的纯基于屏幕高精度眼动追踪铺平了道路，代码和数据集即将开源！
2020-08-22 15:46:48
972
3
opencv_boostdesc_bgm.i_vgg_ade-0.1.1f_face_landmark_model.dat.zip
2020-08-22
progressbar-2.5-py2.py3-none-any.whl
2020-07-14
alive_progress-1.6.1-py3-none-any.whl
2020-07-14
TS_ICCV_2019_paper.pdf
2020-06-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人