- 博客(99)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 【无标题】
具身性（affordance）是指一个物体在某项任务中所具备的“功能赋能”性质。当前机器人抓取和操作依然依赖于手动设计的几何特征，如重心、表面形状等。然而这些方法在复杂场景中表现不佳，尤其无法有效识别高阶功能属性（如“使用”、“支撑”等），因而难以实现高层认知任务。本文提出了一种基于深度卷积神经网络的具身性检测方法（CNN-RGBD），通过从 RGB-D 图像中自动学习深度特征，实现了对物体功能属性（如“支撑性”、“抓取性”）的高效识别与定位。
2026-07-05 21:00:00
457
原创 【无标题】
本文提出了一个强大的affordance检测方案，该方案利用R-FCN为抓手性和dense features识别，加入Dense CRF后处理增强了实操性。在机器人抓取任务中取得显著的性能提升，尤其是在捕捉复杂场景的信息和边界识别。文章对比了多种现有方法，并在鲜明的仿真中突出了affordance检测的拖拽效率。从方法论和实验层面，这些结果表明目标检测不仅在图像任务中重要，在机器人操作系统领域中也能广泛应用和优化。
2026-06-28 21:00:00
210
原创 周报6.21
具身性（affordance）是指一个物体在某项任务中所具备的“功能赋能”性质。当前机器人抓取和操作依然依赖于手动设计的几何特征，如重心、表面形状等。然而这些方法在复杂场景中表现不佳，尤其无法有效识别高阶功能属性（如“使用”、“支撑”等），因而难以实现高层认知任务。本文提出了一种基于深度卷积神经网络的具身性检测方法（CNN-RGBD），通过从 RGB-D 图像中自动学习深度特征，实现了对物体功能属性（如“支撑性”、“抓取性”）的高效识别与定位。
2026-06-21 21:00:00
198
原创 周报6.14
一句话总结：本文提出了一个端到端的、基于双编码器-双解码器架构的深度学习模型(Joint Object Affordance Reasoning and Segmentation in RGB-D Videos)，它能够从人类-物体互动的RGB-D视频中，同时完成物体可供性的推理（热力图定位+类别识别）和像素级分割，并且完全摆脱了对物体类别和位置等强监督信号的依赖。贡献列表 (Contribution List)联合学习框架。
2026-06-14 21:00:00
284
原创 周报6.7
一句话总结：本文提出了一种基于视觉语言模型（Vision Language Model, VLM）的Affordance定位方法——AffordanceLLM，通过从高质量预训练模型中挖掘出的丰富世界知识和3D信息推理，实现了在未知对象和未知动作上的强大泛化能力，特别是在AGD20K数据集上取得了显著的性能突破。贡献列表提出了一种全新的Affordance定位方式：AffordanceLLM不依赖于传统监督方案，而是利用VLM预训练知识与图像信息的联合推理能力。
2026-06-07 21:00:00
278
原创 周报5.31
加载训练好的模型权重 alexnet_best.pth，加载 CIFAR-10 测试集（10,000 张图片），对每张图片进行前向推理，计算 Top-1 准确率 （预测概率最高的类别是否正确），计算 Top-5 准确率 （真实标签是否在前 5 个预测中）， 输出分类别准确率和错误率。AlexNet 模型推理脚本 ，用于评估训练好的模型在 CIFAR-10 测试集上的性能。特征提取层 (self.features) 由 5 个卷积层 + 3 个最大池化层组成。本周复现了AlexNet网络结构。
2026-05-31 21:00:00
211
原创 周报5.24
一句话总结：该论文全面综述了基于深度学习的视觉可用性识别（Visual Affordance Recognition）方法，展示了其在机器人技术、人机交互和其它视觉任务中的应用价值，并强调了MAE模型作为一种可扩展的自监督学习方法，为复杂场景中的可用性识别提供了新思路。贡献列表系统性综述：涵盖了可用性识别的五个主要任务（分类、检测、分割、行为识别与推理），并通过详细的技术分类展示不同方法的优劣和设计动机。深入分析数据集。
2026-05-24 23:19:39
424
原创 周报5.17
一句话总结：本文展示了Masked Autoencoders (MAE) 是一种适用于计算机视觉的可扩展自监督学习方法，通过遮蔽输入图像的部分区域并重构丢失像素，从而学习强大的视图表征。贡献列表提出了一种简单的、高效的自监督学习方法：通过遮蔽大量随机块（75%）来重构，从而构建一个具有挑战性且可行的自监督任务。设计了不对称编码器-解码器结构：编码器仅处理可见区域，解码器则同时处理隐藏表示和遮蔽标记，这种设计显著降低了计算负担。在ImageNet-1K数据集中实现显著的效果提升。
2026-05-17 20:07:50
363
原创 周报5.10
图像识别是计算机视觉中的核心任务之一，传统的卷积神经网络（CNNs）在这一领域表现出主导地位。然而，近年来，Transformer 架构在自然语言处理（NLP）领域取得了巨大成功，但其在视觉任务中的应用仍面临挑战。本文旨在探讨如何直接应用 Transformer 架构进行图像识别，而不依赖于 CNN 的结构或特性。Vision Transformer (ViT) 是一个突破性的模型，它对图像识别任务提出了从像素级到补丁级的全新建模思路，并通过大规模预训练显著提升了其性能。
2026-05-10 21:35:47
368
原创 周报5.3
一句话总结本文提出了BERT，它通过一个新颖的“遮蔽语言模型”任务，首次实现了对Transformer模型的深度双向预训练，从而在11项NLP基准任务（如GLUE、SQuAD）上取得了统治性的最佳成绩，并为下游任务提供了一种极其简洁、统一的微调解决方案。贡献列表提出深度双向预训练：不同于GPT（从左到右单向建模）和ELMo（浅层双向拼接），BERT通过遮蔽语言模型（Masked LM, MLM）任务，使预训练模型能够在每一层都同时利用左侧和右侧的上下文信息，真正实现了深度双向表示学习。
2026-05-03 21:05:32
364
原创 周报4.26
本周进行论文阅读学习，以及课程实验学习的论文为Generative Adversarial Networks （GAN）摘要与核心贡献一句话总结：这篇开创性论文提出了一种名为“生成对抗网络”的全新生成模型框架，它通过两个神经网络（生成器与判别器）之间的博弈来学习复杂数据分布，从而避免了以往方法中难以处理的概率密度函数显式建模或近似推断问题。贡献列表：提出了一个全新的生成模型范式：将生成模型问题巧妙地从“密度估计”或“近似推断”转化为一个两人零和博弈，即对抗性训练框架。
2026-04-26 13:06:22
429
原创 周报4.19
本周进行论文阅读和学习，学习内容是论文Attention Is All You Need和A Gentle Introduction to Graph Neural Networks。
2026-04-19 20:03:38
217
原创 周报4.12
本周进行论文阅读和学习，学习内容是论文Deep Residual Learning for Image Recognition以及进行geekos的软件操作系统实验。
2026-04-12 19:49:52
436
原创 周报3.29
本周复习了神经网络基础，包括激活函数，神经网络简单实现的代码，损失函数，梯度下降，反向传播及其实现代码，更新参数的方法，参数初始化；还复习了pytorch中张量的相关操作，及如何使用pytorch进行深度学习，CNN，RNN的相关代码。
2026-03-29 21:31:42
53
原创 pytorch深度学习笔记22
本篇文章继续学习尚硅谷深度学习教程，学习内容是卷积神经网络中的池化层和深度卷积网络相关知识，以及实际案例代码学习。
2026-03-14 19:57:00
380
原创 pytorch深度学习笔记21
本篇文章继续学习尚硅谷深度学习教程，学习内容是pytorch的深度学习实际应用案例代码以及CNN相关概念及原理卷积神经网络（Convolutional Neural Network，CNN）常被用于图像识别、语音识别等各种场合。它在计算机视觉领域表现尤为出色，广泛应用于图像分类、目标检测、图像分割等任务。卷积神经网络的灵感来自于动物视觉皮层组织的神经连接方式，单个神经元只对有限区域内的刺激作出反应，不同神经元的感知区域相互重叠从而覆盖整个视野。卷积层用于提取输入数据的局部特征。
2026-03-08 18:01:18
411
原创 pytorch深度学习笔记19
本篇文章继续学习尚硅谷深度学习教程，学习内容是张量索引操作，形状操作，拼接操作，以及自动微分模块的实现和，学习线性回归的机器学习案例。
2026-02-01 20:01:43
914
原创 pytorch深度学习笔记18
本篇文章继续学习尚硅谷深度学习教程，学习内容是张量创建相关基本函数，类型转换相关基本函数以及张量数值计算基本函数。
2026-01-25 20:58:35
701
原创 pytorch深度学习笔记8
本篇文章继续学习尚硅谷深度学习教程，学习内容是复习模型训练相关概念，使用代码实现随机梯度下降法（stochastic gradient descent，SGD）。
2026-01-04 12:17:46
273
原创 12.7周报
本周继续学习尚硅谷深度学习教程，学习内容是代码实现一个简单的三层神经网络，使用代码简单实现手写数字识别的模型（不包括训练），以及损失函数相关公式及适用场景和特性，导数，偏导数，梯度相关定义及代码实现相关的计算。Abstract。
2025-12-07 18:14:49
752
原创 pytorch深度学习笔记6
本篇文章继续学习尚硅谷深度学习教程，学习内容是导数，偏导数，梯度相关定义及代码实现相关的计算。导数和数值微分损失函数的值越小，代表我们选取的参数越适合；想要求得损失函数的最小值，最基本的想法就是对函数求导，解出导数值为0的点，并判断它是否为极小值/最小值。导数在数学上，导数被定义为这个定义中表达出了导数的本质。当x发生一个微小的变化h（或者Δx）时，函数值f(x)也会发生变化；当h趋近于0时，此时f(x)的“变化率”就是x这一点的导数值。利用这个定义，
2025-12-05 14:54:27
398
原创 pytorch深度学习笔记
本周学习尚硅谷深度学习教程，学习内容是激活函数的代码部分包括阶跃函数，sigmod函数，tanh函数，ReLu函数，softmax函数。
2025-11-30 18:33:17
573
空空如也
for循环初始化无效？
2021-12-24
TA创建的收藏夹 TA关注的收藏夹
TA关注的人