Depth Estimation 论文及代码汇总，持续更新中~~

置顶 VIP文章 已于 2024-03-16 15:59:41 修改
阅读量650 收藏 15
点赞数 14
分类专栏： Depth Estimation 文章标签： Depth CVPR ICCV Depth Anything DepthEstimation
于 2024-03-16 15:47:57 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/john_bh/article/details/130510299
版权
最低0.47元/天 解锁文章
john_bh
关注
  • 14
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
论文研究-The Depth Estimation Based on Acitve Vision.pdf
08-26
基于主动视觉的深度信息估计，林安平，孙炜，在手眼系统中，深度信息是视觉定位系统的一个重要参数。在手眼系统中，物体的像随着相机移动而运动， 根据同一物体像的位置变化��
Monocular Depth Estimation UsingLaplacian Pyramid-Based Depth Residuals翻译
生活如此美好，致敬每一个热爱“热爱”的人！
05-30 3595
基于拉普拉斯金字塔深度残差的单目深度估计 Monocular Depth Estimation UsingLaplacian Pyramid-Based Depth Residuals英文注解： Semi-supervisedAnomalyDetectionusingAutoEncoders英文注解-其它文档类资源-CSDN下载 Monocular Depth Estimation UsingLaplacian Pyramid-Based Depth Residuals全文翻译PDF: Semi-s
depthofestimation.rar_depth estimation_depth image_image depth _
07-14
depth of estimation in image procesing
Overview of Single Image Depth Estimation
11-28
我们主要介绍了一些使用深度学习来进行单目深度估计的例子。Multi-layer的结构，形状大小各异的知名pre-trained网络将神经网络这种函数模拟器的优点发挥的淋漓尽致。但是这类方法有一个缺点就是在训练的过程中，我们需要预先知道大量的输入的图片所对应深度值的参考标准作为训练的约束，从而对神经网络进行反向传播，训练出我们的神经网络用来对于相似的场景进行深度预测
6D位姿估计 论文及代码汇总，持续更新~~~
不忘初心~
09-14 4249
6DoF Pose Estimation 论文及代码汇总，持续更新~~~
李纯明教授MICO论文及代码研读 MICO for MRI bias field estimation and tissue segmentation
12-14
这篇文章是李纯明2014年发表在 Magnetic Resonance Imaging上的一篇文章，与他发表的论文A Robust Parametric Method for Bias Field Estimation and Segmentation of MR Images（CVPR2009）、MRI tissue ...
Depth_estimation:深度学习模型可估计图像深度
05-22
带转移学习的预训练MobileNetV2的单眼深度估计该项目实施了深度学习神经网络模型，以生成给定图像的深度图像。... 模型为相同大小的输入图像生成分辨率为480x640的深度图像。 该项目的实施参考了以下文件： [Ibraheem ...
CVPR 历年 Best paper（1988-2020）汇总，持续更新~
不忘初心~
06-20 6016
CVPR 历年 Best paper（1988-2020）汇总，持续更新中~~
ECCV2020 收录论文汇总（持续更新中）附打包下载
热门推荐
极市平台的技术博客
07-03 1万+
ECCV 2020 Oral | 可逆图像缩放：完美恢复降采样后的高清图片 论文：https://arxiv.org/abs/2005.05650 代码和预训练模型：https://github.com/pkuxmq/Invertible-Image-Rescaling 超分辨率 ECCV 2020 | 空间角度信息交互的光场图像超分辨方法 Spatial-Angular Interaction for Light Field Image Super-Resolution 论文PDF：https://ar
3D目标检测论文方法汇总 【2022部分持续更新中~
家鸽的代码屋
05-31 7377
Automanous-3D-detection-methods 该项目地址为：https://github.com/LittleYuanzi/awesome-Automanous-3D-detection-methods 该项目主要在对近期（17年）开始的自动驾驶场景的目标检测...
UPS、蓄电池、空开、电缆配置计算方法.pptx
04-27
5G通信行业、网络优化、通信工程建设资料
node-v7.4.0.tar.xz
最新发布
04-27
Node.js，简称Node，是一个开源且跨平台的JavaScript运行时环境，它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立，旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎，可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型，这使得它非常适合处理大量并发连接，从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外，Node.js使用了模块化的架构，通过npm（Node package manager，Node包管理器）,社区成员可以共享和复用代码，极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展，它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等，因此，开发者可以用JavaScript编写全栈应用程序，这一点大大提高了开发效率和便捷性。 在实践中，许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台，如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能，简化了开发流程，并且能更快地响应市场需求。
Unity mesh减面工具 Mesh Simplify 1.12
04-27
Unity mesh减面工具 Mesh Simplify 1.12
基于Springboot+Vue酒店客房入住管理系统-毕业源码案例设计.zip
04-27
网络技术和计算机技术发展至今，已经拥有了深厚的理论基础，并在现实中进行了充分运用，尤其是基于计算机运行的软件更是受到各界的关注。加上现在人们已经步入信息时代，所以对于信息的宣传和管理就很关键。系统化是必要的，设计网上系统不仅会节约人力和管理成本，还会安全保存庞大的数据量，对于信息的维护和检索也不需要花费很多时间，非常的便利。 网上系统是在MySQL中建立数据表保存信息，运用SpringBoot框架和Java语言编写。并按照软件设计开发流程进行设计实现。系统具备友好性且功能完善。 网上系统在让售信息规范化的同时，也能及时通过数据输入的有效性规则检测出错误数据，让数据的录入达到准确性的目的，进而提升数据的可靠性，让系统数据的错误率降至最低。 关键词：vue；MySQL；SpringBoot框架 【引流】 Java、Python、Node.js、Spring Boot、Django、Express、MySQL、PostgreSQL、MongoDB、React、Angular、Vue、Bootstrap、Material-UI、Redis、Docker、Kubernetes
JAVA扫雷游戏程序+源码
04-27
扫雷游戏是一款经典的计算机游戏，它的目标是在一个方格矩阵中找出所有隐藏的地雷。玩家需要通过点击方格来揭示其内容，如果方格中有地雷，则游戏结束；如果没有地雷，则会显示周围8个方格中地雷的数量。玩家需要根据这些信息来判断哪些方格是安全的，并继续点击其他方格。 在JAVA扫雷游戏程序中，我们使用了一个二维数组来表示游戏的方格矩阵。每个方格可以包含以下三种状态之一：未被揭示、有地雷或安全。我们还使用了一些辅助变量来跟踪游戏中的状态，例如已揭示的方格数量和剩余的地雷数量。 当玩家点击一个方格时，程序会检查该方格是否已经被揭示。如果是，则不做任何操作；否则，程序会揭示该方格的内容，并根据其是否包含地雷来更新游戏状态。如果方格中有地雷，则游戏结束；否则，程序会递归地揭示周围的方格，直到遇到已经揭示的方格为止。 为了提高游戏的可玩性，我们可以添加一些额外的功能，例如计时器、难度级别选择和自定义方格大小等。此外，我们还可以使用图形用户界面（GUI）来美化游戏界面，使其更加友好和易于操作。
python-3.8.19-amd64-full.exe
04-27
仅供个人娱乐使用，不要乱用造成侵权，搬运自git删hub.co除m/ad中ang1345/Pyt文honW部ind分ows
网络安全网络安全视频教程56讲全在线地址.txt
04-27
【网络安全】网络安全视频教程56讲全在线地址.txt
299-企业数字化转型方案20220804.pptx
04-27
299-企业数字化转型方案20220804.pptx
参考资料-人工智能对劳动力市场的影响机制研究.pdf
04-27
参考资料-人工智能对劳动力市场的影响机制研究.pdf
雷达APES算法（amplitude and phase estimation）及matlab代码实现
04-07
APES算法是一种高分辨率的DOA估计方法，通过对信号进行空间谱估计，可以得到信号的幅度和相位信息，从而实现目标的定位。以下是APES算法的matlab代码实现： ``` %APES算法实现 clc; clear all; close all; %% 参数设置 N = 100; % 信号长度 M = 5; % 阵元数 d = 0.5; % 阵元间距 theta = [30 60]; % 信号方向 K = length(theta); % 信号数 SNR = 10; % 信噪比 fs = 1000; % 采样频率 f = [100 200]; % 信号频率 w = 2 * pi * f / fs; % 角频率 %% 生成信号和加噪声 s = zeros(K, N); for k = 1:K s(k,:) = exp(1i * w(k) * (0:N-1)) + SNR * randn(1,N) + SNR * 1i * randn(1,N); % 生成信号 end %% 矩阵构造 A = zeros(M,K); for m = 1:M for k = 1:K A(m,k) = exp(-1i * 2 * pi * d * (m-1) * sin(theta(k) * pi / 180)); % 构造矩阵 end end %% 噪声子空间信号幅度矩阵和相位矩阵 Rn = s * s' / N; % 噪声协方差矩阵 [V,D] = eig(Rn); % 噪声协方差矩阵特征分解 [~,index] = sort(diag(D),'ascend'); % 特征值升序排序 En = V(:,index(1:M-K)); % 噪声子空间 B = En * En'; % 噪声子空间信号幅度矩阵 P = angle(B); % 噪声子空间信号相位矩阵 %% 信号子空间谱估计 R = A * B * A'; % 信号协方差矩阵 [V,D] = eig(R); % 信号协方差矩阵特征分解 [~,index] = sort(diag(D),'descend'); % 特征值降序排序 Un = V(:,index(1:K)); % 信号子空间 %% DOA估计 theta_range = -90:0.1:90; % 方向搜索范围 Pmusic = zeros(1,length(theta_range)); for i = 1:length(theta_range) a = zeros(M,1); for m = 1:M a(m) = exp(-1i * 2 * pi * d * (m-1) * sin(theta_range(i) * pi / 180)); % 构造矩阵 end Pmusic(i) = 1 / (a' * inv(Rn) * a) / (a' * inv(R) * a); % 谱估计 end %% 绘图 figure; plot(theta_range,Pmusic); xlabel('DOA/°'); ylabel('谱估计'); title('APES算法DOA估计'); ``` 需要注意的是，APES算法的实现需要注意参数的设置和矩阵构造。在此代码中，我们使用了阵元数为5，阵元间距为0.5，信号方向为30度和60度，信噪比为10dB，采样频率为1000Hz，信号频率为100Hz和200Hz的信号进行了实验。在实现中，我们首先构造了信号矩阵和噪声子空间信号幅度矩阵和相位矩阵，然后通过信号子空间谱估计来实现DOA估计。最后，我们绘制了DOA估计的谱估计图像。通过调整参数，可以实现不同场景下的DOA估计。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值