自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(14)
  • 收藏
  • 关注

转载 从0单排:学风侏儒——GCN论文:Graph Convolutional Label Noise Cleaner: Train a Plug-and-play Action Classifier fo...

cvpr 2019,竟然和视频异常检测这个比较小的领域有关,挺有意思问题:弱标签视频异常检测(只有视频级标签)在先前的工作中被定义为一个典型的多实例学习问题 multi-instance learning problem,将视频作为一个bag,包含被认为实例的片段。作者将其转换为在Noisy labels下的监督学习问题。noise labels 指的是在异常视频中正常片段的错误标注...

2019-07-21 16:24:00 780

转载 从0单排:学风侏儒——零样本学习3篇论文

Zero shot learning主要是zero-shot learning相关论文的阅读,主要关注于视频方面。零样本问题现在处理视频的很少,主要是因为零样本自身就有不少的急需解决的问题:domain shiftHubness problemsemantic gap详情可以看这篇文章 零次学习(Zero-Shot Learning)入门1. 15. Objects2a...

2019-07-13 10:59:00 427

转载 META-LEARNING UPDATE RULES FOR UNSUPERVISED REPRESENTATION LEARNING

快一个月没写笔记了,实际上这段时间也读了一些文章。这篇文章是19年ICRL上面的工作,是关于meta learning和无监督学习的,作者在摘要中说了是要做few-shot问题的,但是全文看下来给我的感觉就是。。。强行非监督,为什么要非监督?因为作者认为这样可以学习到一个无关于具体的任务的表示能力,也就是说“学习能力”。但是文章中有一些符号错误,让我觉得这真的是顶会文章吗。。。而且在最后...

2019-05-16 22:14:00 336

转载 从0单排:学风侏儒——小样本学习11-18年

好久没更博客。。。主要是被安排了新的track——小样本学习,所以都在看论文和学习,note也写了很多内容,就一次性更了。汇报完工作估计又得开始研究异常检测和视频分类相关的了。估计小样本学习这边的论文还是不能停,但是不会重点看了(毕竟看了一堆了,可能接下来就是把18年一些论文大概领略一下。。所以以后就叫从0单排好了,这样也不用改了Class Imbalance ProblemIt i...

2019-04-23 21:20:00 787

转载 6D姿态估计从0单排——看论文的小鸡篇——Deep Learning of Local RGB-D Patches for 3D Object Detection and 6D Pose Estima...

we employ a convolutional auto-encoder that has been trained on a large collection of random local patches. We demonstrate that neural networks coupled with a local voting-based approach can be u...

2019-03-12 22:10:00 325

转载 6D姿态估计从0单排——看论文的小鸡篇——Learning Descriptors for Object Recognition and 3D Pose Estimation...

这篇文章和前一篇把神经网络主要集中于descriptor的对比方面不一样的是,这一篇中CNN还用来区分不同的物体类别和同类别不同姿态从而确保不同类间距较大同类间距较小(但是足以区分pose),这样就可以确保根据CNN对图片输入的输出值来直接确定对应的物体种类和其所应属于类别中的Pose,并且还采用了NN(nearest neighborhood)的办法去寻找最近的类别和姿态。We tr...

2019-03-11 22:08:00 357

转载 6D姿态估计从0单排——看论文的小鸡篇——Learning Analysis-by-Synthesis for 6D Pose Estimation in RGB-D Images...

迎来了第一篇使用CNN对姿态进行估计的文章了,哭了。这篇文章是基于2014_Learning 6D Object Pose Estimation using 3D Object Coordinates(我们读过的)这篇文章,在14年的文章中作者把模型渲染的结果——一个像素点可能的模型坐标轴和位置、以及可能所属的object这两点用随机丛林来保存,然后通过像素级别的估计合成结果,最后利用...

2019-03-11 17:51:00 219

转载 6D姿态估计从0单排——看论文的小鸡篇——Hashmod: A Hashing Method for Scalable 3D Object Detection...

To this end, we rely on an efficient representation of object views and employ hashing techniques to match these views against the input frame in a scalable way.Our approach to 3D object detect...

2019-03-09 15:32:00 143

转载 6D姿态估计从0单排——看论文的小鸡篇——Detection and Fine 3D Pose Estimation of Texture-less Objects in RGB-D Images...

这是我现在做的最长的一篇笔记了。。。感觉挺有意思的这个,首先是用一个流动视窗搜索全图,然后删除大部分没有搜寻物体的候选,余下的部分使用启发式的操作得出特征信息然后和模板的hash匹配看那些模板比较有可能,得出了全部的模板后然后对每个模板的物体直径、法向量、梯度、深度、色彩对比得到候选,候选进一步得到pose,再对pose经行梯度、边框、法向量的评估,最后用PSO的办法收敛到最优解Th...

2019-03-07 22:29:00 376

转载 6D姿态估计从0单排——看论文的小鸡篇——A Novel Representation of Parts for Accurate 3D Object Detection and Tracking i...

这个可以算我最长的一片笔记。。因为大部分的文字描述都是和公式做法密切相关。这个方法就是通过2个CNN模型,一个预测图片patch所属模型的部分part的control point,另一个预测part中心的reprojection,然后利用雅可比行列式和Using a single Gaussian Pose Prior中介绍的公式来迭代得到使得模型预测的reprojection和cont...

2019-03-06 22:31:00 200

转载 6D姿态估计从0单排——看论文的小鸡篇——Learning 6D Object Pose Estimation using 3D Object Coordinates...

这篇文章内容是真的多,而且大段的文字,图和公式都很少,看起来很枯燥。。。说白了就是把整个模型拆成555的125个部分,这样一个像素点都扔进去随机森林里面训练和匹配,然后查出来他最可能的类别和在一个模型中位置。就一如他的开头这句话:The key new concept is a representation in form of a dense 3D object coordinate ...

2019-03-06 14:05:00 499

转载 6D姿态估计从0单排——看论文的小鸡篇——Gradient Response Maps for Real-Time Detection of Texture-Less Objects...

在看完第一篇的情况下,这一篇给人的感觉就算灌水严重。。。主要内容集中在相似度测量方面的过程和为了加速运算在内存管理方面的额外并行化处理,depth方面的内容和第一篇相同就没有摘录了这是基于linemod的第三篇文章,主要集中于他们提出的相似度检测这一点的阐述方面Similarity Measure:unoptimized similarity measure is : \(\va...

2019-03-02 20:42:00 475

转载 6D姿态估计从0单排——看论文的小鸡篇——Model Based Training, Detection and Pose Estimation of Texture-Less 3D Objects ...

这是linemod的第二篇,这一篇把训练从online learning 变成了 使用3D model, 并且对于检测结果用 3种方法: color、Pose、Depth来确保不会有false positive。感觉有种不忘初心的感觉(笑基于linemod,是前一篇的改良initial version of LINEMOD has some disadvantages. First,...

2019-02-28 20:43:00 521

转载 6D姿态估计从0单排——看论文的小鸡篇——Multimodal Templates for Real-Time Detection of Texture-less Objects in Heavily...

Multimodal Templates for Real-Time Detection of Texture-less Objects in Heavily Cluttered Scenes6D姿态估计里面的linemod方法的来源,作者也是慕尼黑工业大学的大牛。基于linemodFor such time-critical applications, template matc...

2019-02-27 21:59:00 443

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除