学习目标
1.阅读CVPR近年文章
2.进一步思考手姿态识别在采奶作业中的应用
3.Python学习
学习时间
2023.5.22-2023.5.28
学习产出
1.阅读文章
MP-Former;Free SOLO; Sharp Contour
对于第一篇MP-Former,提出了一种基于Mask-Attention方法加入带噪声的Ground-truth mask以提高训练效率和精度,在阅读过程中看到了模型Transformer在图像分割中的应用,在网络中查找了关于Transformer模型的信息。对于第二篇文章Free SOLO,文章标题比较吸引我,“without annotations”,通过对文章的阅读和相关资料的查找,这篇文章提出的Free SOLO是基于SOLO模型并且结合同时期三个相关文章融合创新出来的作品,通过Free Mask模块生成coarse mask后由自监督SOLO部分生成最终的mask。对于第三篇文章Sharp Contour,作者发现在图像分割的边缘化处理中存在标注训练处理成本高以及模型不通用的问题,作者便在已有的轮廓处理的而算法上进行算法改进创新,使得作者提出的算法具有成本低和通用性高的优势
2.手姿态识别在采奶作业中的应用。
通过阅读相关文献。搜索荷兰、德国、日本一些先进畜牧业公司。
来自:GEA DairyRobot R9500挤奶机器人 | 智能自动挤奶
目前采奶作业的最优处理方案是1、2名工人操作机器设备即可对规模化的奶牛场进行采奶。手姿态识别技术应用到采奶中去并无优势,也没有太大的必要。
3.在下周主要精力学习Pycharm。