qq_40245826的博客

SSD-6D: Making RGB-Based 3D Detection and 6D Pose Estimation Great Again—2017（笔记）SSD-6D让RGB图像的3D检测和6D姿态估计更出色—2017（笔记）文章以单帧RGB图像为输入，基于扩展的SSD范式，采用InceptionV4深度网络，预测目标2D bounding box以及目标种类、离散视点和面内旋转在每个...

通过CNN学习描述符进行3D物体识别和姿态估计（笔记）——2015《Learning descriptors for object recognition and 3D pose estimation》摘要文章以计算描述符来获取目标种类和3D姿态。与基于流形的方法（相似）相比，文章以欧氏距离（同类目标姿态与欧氏距离直接相关）来评估描述符【通过在描述符之间强制执行简单的相似性和相异性约束（约束...

高杂乱场景下实现基于模型的无纹理3D目标训练、监测和姿态估计（笔记）——2012摘要文章提出了一个使用Kinect体感相机（RGBD sensors），实现对3D目标自动建模、检测和跟踪的构架。基于LINEMOD法（其目标检测部分主要运用基于模板的LINEMOD方法，通过改进，提升13％检测正确率），利用RGBD信息，完成多视角模板匹配，提供姿态粗估计，具有可在线实时学习3D模型能力，可处理大...

应用隐类霍夫森林进行3D目标检测和姿态估计（笔记）——2014Latent-Class Hough Forests for 3D Object Detection and Pose Estimation摘要文章提出隐类霍夫森林框架，在高杂波和遮挡环境中进行3D目标检测和姿态估计。将LINEMOD法引入一个尺度不变的patch描述符中，并使用一个新的基于模板的分割函数将其集成到回归森林中。...

基于预训练的CNN特征实现RGB-D目标识别与姿态估计笔记——（2015）RGB-D Object Recognition and Pose Estimation based on Pre-trained Convolutional Neural Network Features（2015）摘要文章通过深度卷积神经网络（CNN）的转移学习来解决训练数据集的问题，提供丰富的，语义上有意义的特...

Unsupervised Representation Learning By Predicting Image Rotations—2018通过预测图像旋转实现无监督表示学习—2018（笔记）摘要文章提出，通过训练ConvNets来识别输入图像的2D旋转来学习图像特征。在质量和数量上证明了这个看似简单的任务，实际上为语义特征学习提供了非常强大的监督信号。引言文章遵循自监督的范例...

用CNN_卷积自编码器：深度学习局部 RGB-D Patches for 3D Object Detection and 6D Pose Estimation—2016（笔记）深度学习局部RGB-D补丁实现3D目标检测和6D姿态估计文章采用神经网络与基于局部投票相结合的方法，以卷积自动编码器（CAE）回归特征描述符，实现与包含局部6D姿态投票的密码本进行匹配，最后通过投票和过滤的方法得到最终精...