![](https://img-blog.csdnimg.cn/20210302103442993.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Paper Reading
文章平均质量分 75
总结已阅读过的论文,主要来源:顶会顶刊。
Channon_
我是Channon,我喂自己袋盐...
展开
-
国际知名无人机实验室(截止2021年4月)
文章目录 1. 国内实验室 1.1 港科空中机器人研究组(HKUST Aerial Robotics Group) 1.2 浙江大学无人系统与自主计算实验室(ZJU FAST LAB) 1.3 北京航空航天大学可靠飞行控制研究组(BUAA RFCG) 2.国外实验室 2.1 宾西法尼亚大学GRASP实验室(UPenn GRASP) 2.2 苏黎世联邦理工大...转载 2021-09-12 22:06:27 · 4111 阅读 · 0 评论 -
动态场景下的飞行机械臂仿真平台 | Simulation Platform for Autonomous Aerial Manipulation in Dynamic Environments
【Paper 4】Simulation Platform for Autonomous Aerial Manipulation in Dynamic EnvironmentsYear:2021原创 2021-06-15 16:07:20 · 549 阅读 · 1 评论 -
小总结 | 3篇文章:飞行机械臂抓取
【Paper 1】Visual Grasping for a Lightweight Aerial Manipulator Based o NSGA-II and Kinematic Compensation原创 2021-06-15 15:56:24 · 1036 阅读 · 0 评论 -
机器人领域的会议和期刊【补充】
https://www.zhihu.com/question/266477032原创 2021-04-14 15:05:30 · 2179 阅读 · 0 评论 -
【科研作图】软件推荐&资源汇总&PPT瑞思拜!
科研工作中,总会要画一些机制图片或模式图。然而,作图软件基本都不会用,想去学学如何运用作图软件,又迫于精力有限,毕竟各种事物让人应接不暇。相信有一种作图软件,大家早早就会使用,可能你还没有发现其潜能所在而已。它就是PPT。既然是专业的研究成果,通常有许多同领域的研究人员在期刊或是专书中都有相同结构的图像,准备绘图前应该尽量(1)搜集到2个以上的已出版参考图;(2)到在线图库或是下段将介绍的科研绘图平台,以关键字搜索能够使用的图;(3)决定本次绘制图片的尺寸;(4)考虑是否需要彩色,还是黑白效果较原创 2021-03-20 11:14:54 · 2175 阅读 · 0 评论 -
【抓取检测点生成网络】Volumetric Grasping Network: Real-time 6 DOF Grasp Detection in Clutter
Volumetric Grasping Network: Real-time 6 DOF Grasp Detection in Clutter作者:Michel Breyer, Jen Jen Chung, Lionel Ott, Roland Siegwart, Juan Nieto ETH Zurich _Autonomous Systems Lab会议/期刊: 4th Conference on Robot Learning(CoRL 2020), Cambridge MA,...原创 2021-03-12 08:50:46 · 1167 阅读 · 1 评论 -
【LaTex使用总结】LaTex,pdflatex,xelatex,xetex等的区别和关系
TeX:一种宏语言。Plain Tex: Tex中的一个最基本的宏集合与TeX的基础语言构成的一种格式。LaTex: Tex中的一个宏集合,构成一种与 Plain TeX 不一样的格式。Tex程序:把Tex语言转换为排版的程序,也叫Tex。为区别,称这个 TeX 程序叫Knuth TeX。Tex命令:Tex程序中的编译命令。tex命令默认用Plain TeX格式进行排版。也就是说tex命令后面默认跟的tex文件应该是用Plain Tex格式写的。Latex命令:tex命令加上某一个选项使原创 2021-03-11 21:28:26 · 16632 阅读 · 0 评论 -
如何阅读科研论文
如何阅读科研论文S. Keshav滑铁卢大学大卫·切瑞顿计算机科学学院加拿大安大略省滑铁卢市keshav@uwaterloo.ca1.引言科研人员必须阅读论文的几个理由:为了会议或者学生审稿、为了在本领域中保持消息灵通、为了解新领域进行文献调研。一个典型的科研人员每年可能要花费几百小时去阅读论文。学会有效地阅读论文是一项非常重要但是很少会有机会学到的技能。正因为这样,新入学的研究生都是在“试验——失败”中独自学习的。学生们会因此浪费大量的时间,并且会经常因此感到沮丧。多年来,转载 2021-02-22 10:55:04 · 315 阅读 · 0 评论 -
如何写好一篇优秀的硕士毕业论文
论文写作对每一个大学生或者科学工作者来说,一种技能,也是一道难关。特别是对于硕士毕业生,论文是能否顺利毕业的关键。即使写作水平再出色、写作经验再丰富的人,在写作硕士毕业论文时也要尽心竭力。整理了一份硕士毕业论文写作攻略,告诉大家一篇优秀的论文是怎么写成的。需要说明的是,论文写作是一种能力,各类论文的写作方法是相通的。本篇文章虽然是针对硕士毕业论文,但也不仅限与硕士论文,其中介绍的方法应用到职称论文、博士论文,甚至EI论文、SCI论文中同样适用。把论文分成三个阶段:读、写、改。一、读即:读哪些论文(转载 2021-02-22 10:44:22 · 2120 阅读 · 0 评论 -
汇总:机器人学领域的顶级期刊和会议
机器人学(Robotics)涉及机械、控制、计算机和电子等领域,是十足的交叉学科,所涉及的概念和技术也非常多。因科研关系,需要大量读Paper借鉴思路,了解前沿的研究进展。之前读文章总是像无头苍蝇一样在知网、百度学术、谷歌学术上一顿搜索,看题目和摘要和自己的研究相关,大致选择比较感兴趣的就往下细读,费时费力读完往往发现收益不大,要么是文章包装很好,其中的逻辑细节、实验设置、结果呈现缺令人不敢恭维,要么是它的确有可圈可点的地方,但是因没有开源代码或者相应的研究不成体系(无法溯源到大的研究团队),不能跟踪学原创 2021-01-06 10:29:12 · 11484 阅读 · 0 评论 -
污染物检测和分类 Contaminant detection and classification for an automated faced cleaning operation
题目---污染物检测和分类:自动表面清洁操作摘要---外部墙面清洁机器人需求增大。当前:只能检测特定的污染物,或者不能部署到移动平台上。本文:CNN和图像处理方法实现的机器视觉系统。目的:检测多样的表面污染物。仅仅使用一张照片检测 目标、区域、颗粒类型污染物。...原创 2020-12-24 10:54:30 · 311 阅读 · 1 评论 -
概览:快速入门神经网络剪枝!
一、模型剪枝技术原理什么是模型剪枝?•深度学习网络模型从卷积层到全连接层存在着大量冗余的参数,大量神经元激活值趋近于0,将这些神经元去除后可以表现出同样的模型表达能力,这种情况被称为过参数化,而对应的技术则被称为模型剪枝。模型剪枝是新概念吗 ?•Dropout和DropConnect代表着非常经典的“模型剪枝技术”。•只是这个操作仅仅发生在训练中,对最终的模型不产生影响,因此没有被称为模型剪枝技术。•Dropout和DropConnect代表着非常经典的“模型剪枝技术”。...原创 2020-12-17 19:52:50 · 6657 阅读 · 1 评论 -
知识蒸馏:从神经网络中蒸馏知识 Distilling the Knowledge in a Neural Network
1.原理介绍Hinton的文章《Distilling the Knowledge in a Neural Network》首次提出了知识蒸馏的概念,通过引入教师网络用以诱导学生网络的训练,实现知识迁移。所以其本质上和迁移学习有点像,但实现方式是不一样的。用“蒸馏”这个词来形容这个过程是相当形象的。用下图来解释这个过程。教师网络:大规模,参数量大的复杂网络模型。难以应用到设备端的模型。学生网络:小规模,参数量小的精简网络模型。可应用到设备端的模型,俗称可落地模型。...原创 2020-12-14 18:57:10 · 3703 阅读 · 0 评论 -
浙大Deep Snake,实现实时实例分割
《Snakes- Active Contour Models》的解读可参考https://blog.csdn.net/cfan927/article/details/108884457...原创 2020-12-11 11:03:08 · 325 阅读 · 0 评论 -
消融实验(Ablation experiment)是什么?
笔者第一次见到消融实验(Ablation experiment)这个概念是在论文《Faster R-CNN》中。消融实验类似于“控制变量法”。假设在某目标检测系统中,使用了A,B,C,取得了不错的效果,但是这个时候你并不知道这不错的效果是由于A,B,C中哪一个起的作用,于是你保留A,B,移除C进行实验来看一下C在整个系统中所起的作用。...原创 2020-12-11 11:01:50 · 25028 阅读 · 2 评论 -
实时实例分割力作! Deep Snake-CVPR2020
DeepSnake—浙大提出实例分割新方法, 准确高速获取物体边缘轮廓DeepSnake 的基本思想DeepSnake的主要功能是通过深度学习给出输入初始轮廓顶点需要调整的偏移量,以得到更为准确的实例分割结果。在对基于轮廓的实例分割方法研究过程中,发现物体的轮廓其实是一个圆形的图结构,其中每个顶点都有两条边连接相邻的顶点,这意味着可以利用一维卷积来对顶点特征进行学习。由于闭合的轮廓可以视为周期性结构,于是研究人员引入了圆卷积来处理。与通常的图卷积方法不同,圆卷积核不仅可以编码每个顶点的特征还能编码临转载 2020-12-11 10:59:12 · 757 阅读 · 1 评论 -
【科普帖】目标识别与检测
适合简要介绍概念/融资/科普讲座原创 2020-10-31 17:03:37 · 486 阅读 · 0 评论 -
无人机视觉挑战赛| VisDrone - 过去、现在和未来
在无人机捕获的视觉数据中,有一组物体被严重遮挡(见自行车的橙色边框)。如果我们使用非最大抑制(NMS)来抑制检测器中的重复检测,将不可避免地删除大多数真正的正对象。在一些实际应用中,对人群中的单个目标进行定位是不必要且不切实际的。因此,使用一个带计数的较大边界框来表示同一类别的一组物体更为合理(见自行车的白色边界框)。同时,如果我们使用新的标注补救,我们需要重新设计度量来评价检测算法,即在评价时既要考虑定位精度又要考虑计数精度。当前的对象检测方法使用包围盒来表示对象实例...原创 2020-09-24 15:11:15 · 984 阅读 · 0 评论 -
神经网络剪枝行不行?-【Network Pruning发展近况】
WHAT IS THE STATE OF NEURAL NETWORK PRUNING? Source:https://arxiv.org/abs/2003.03033一、摘要:缺乏标准化的基准和度量标准,以至于很难比较不同的剪枝技术,提出具体的补救措施,并引入ShrinkBench,一个框架来促进修剪方法的标准化评估。尝试去回答:哪种技术能最好地兼顾精确性和效率?在特定的架构或数据集上,是否有最有效的策略?哪种高级设计选择是最有效的?二、存在的问题通过调研81篇论文原创 2020-09-12 23:12:08 · 962 阅读 · 0 评论 -
独家总结 | 2020基于深度学习的目标检测-Part 6
未来趋势A. ConclusionsB. Trends1)一方面,两级探测器需要密集的尾迹处理才能获得尽可能多的参考箱,这既费时又低效。为了解决这个问题,研究人员需要在保持高精确度的同时消除这么多冗余。另一方面,单级检测器处理速度快,已在实时应用中得到成功应用。虽然速度快,但较低的精度仍然是高精度要求的瓶颈。如何将单级和两级探测器的优点结合起来仍然是一个很大的挑战。Review研究重点是描述和分析基于深度学习的图像目标检测。现有的.原创 2020-08-28 11:52:44 · 167 阅读 · 0 评论 -
独家总结 | 2020基于深度学习的目标检测-Part 5
应用和分支介绍A. Typical application areasB. Object detection branches原创 2020-08-28 11:27:30 · 153 阅读 · 0 评论 -
独家总结 | 2020基于深度学习的目标检测-Part 4
图像目标检测中常用方法分析基于深度神经网络的目标检测管道一般分为图像预处理、特征提取、分类与回归、后处理四个步骤。首先,数据集中的原始图像不能直接输入网络。因此,我们需要将它们调整到任何特殊的大小,并使它们更清晰,例如增强亮度、颜色、对比度等。数据增强也可用于一些要求,如翻转,旋转,缩放,裁剪,平移,添加高斯噪声。此外,GANs(生成对抗网络)可以生成新的图像,因为您希望丰富输入的多样性。有关数据增强的详细信息,请参阅[60]。其次,特征提取是进一步检测的关键步骤。特征质量直接决定了包含分类和回原创 2020-08-28 11:18:03 · 307 阅读 · 0 评论 -
独家总结 | 2020基于深度学习的目标检测-Part 3
数据集和基准检测目标必须声明目标属于指定的类并在图像中对其进行本地化。目标的定位通常由一个包围框表示。使用具有挑战性的数据集作为基准在许多研究领域都具有重要意义,因为它们能够在不同算法之间进行标准比较,并为解决方案设定目标。早期的算法侧重于使用各种特殊数据集的人脸检测。后来,更现实和更具挑战性的人脸检测数据集被创建。另一个流行的挑战是检测已经为其创建了多个数据集的行人。Caltech行人数据集包含35万个带边框的带标记实例。PASCAL VOC、MS COCO、ImageNet-loc等原创 2020-08-28 11:06:13 · 152 阅读 · 0 评论 -
独家总结 | 2020基于深度学习的目标检测-Part 2
Two-stage & One-stage Detectors.1 IntroductionAnchor-freeAutoML 自动机器学习两大重要研究方向。后面将介绍,自动机器学习(AutoML)是将机器学习应用于现实问题的端到端流程自动化的过程。机器学习的应用需要大量的人工干预,这些人工干预表现在:特征提取、模型选择、参数调节等机器学习的各个方面。AutoML视图将这些与特征、模型、优化、评价有关的重要步骤进行自动化地学习,使得机器学习模型无需人工干预即可被..原创 2020-08-28 10:50:22 · 176 阅读 · 0 评论 -
独家总结 | 2020基于深度学习的目标检测-Part 1
这篇文章是关于物体识别领域的一篇综述类文章,首先由于目标检测是在计算机视觉和数字图像处理的热门方向,在诸多领域得到广泛应用。特别地阅读总结下这篇文章;二来,之所以选择这篇文章,是由于它的时间较近较新并且是由IEEE Fellow发表的文章,可见其权威性。除此之外,还有三篇综述论文是和此篇一起找到的发表日期相近,其中有些内容也穿插在里面。文章结构框架,主要内容目标检测是计算机视觉和数字图像处理的一个热门方向,目标检测也就成为了近年来理论和应用的研究热点,直观的从数据上看.下图是作者在谷原创 2020-08-28 09:49:23 · 419 阅读 · 0 评论 -
它来了!它们来了!YOLOv4, v5系列目标检测算法【全面解析】
YOLO系列算法发展-前沿 创始人:你们玩吧,我不干了!(摔-) YOLOv3发布于2018年3月份。时隔快两年,YOLOv3并没有进化到YOLOv4,但不影响大家对YOLOv3的关注度。YOLO之父JosephRedmon在今年年初宣布退出计算机视觉的研究的时候,很多人都以为目标检测神器YOLO系列就此终结。然而在4月23日,继任者YOLOV4却悄无声息地来了。Alexey Bochkovskiy发表了一篇名为YOLOV4:Optimal Speed an...原创 2020-08-24 09:52:12 · 1601 阅读 · 1 评论