论文总结
Wenmin_Yao
这个作者很懒,什么都没留下…
展开
-
论文:Deep Face Recognition: A Survey——Mei Wang, Weihong Deng
前些天看了一篇名字同样为《Deep Face Recognition: A Survey》的文章,为了区别,这篇文章特意标明了作者。本文主要分为4个部分:(a)网络结构和损失函数;(b)数据处理方法和数据集;(c)人脸识别的一些应用场景;(d)现有挑战和发展方向。...原创 2020-10-16 16:36:41 · 1740 阅读 · 0 评论 -
论文:Deep Face Recognition: a Survey
文章主要有5个部分:(a)目前的方法怎么训练的,介绍一些公共数据集;(b)脸部预处理,包括检测和对齐;(c)迁移学习所用的结构和损失函数;(d)用于确认和鉴定的脸部识别。任务的困难因素有:头部的旋转和倾斜、光照强度和角度、面部表情、年龄等方面的巨大变化。所以,一个好的面部识别系统需要排除这些因素的影响。(a)训练过程&数据集介绍文中的描述是:给定一个训练集,该方法通常执行某种形式的人脸预处理,然后训练一个DCNN,以便对一组对象进行分类。然后,利用网络作为特征提取器,获取描述符,并将原创 2020-10-10 10:08:20 · 355 阅读 · 0 评论 -
论文:Deep Learning in Medical Image Registration: A Survey
这是一篇综述论文,我按照文章原本的章节顺序进行了重点摘抄。我最近才开始看这方面的文章,难免有不到位的地方,若有问题还请不吝赐教。一、 基于深度相似度的配准(一)单模态配准(1)堆栈自编码器提取特征以比较相似性;(2)一种端到端的方法;(3)联合使用基于卷积神经网络描述符和人工描述符(这项工作明确指出:不一定是深度描述符一定优于传统人工描述符,它们联合使用的话,可以有不错的效果)。(二)多模态配准(1)堆栈去噪自编码器比较相似性,用以评估CT与MR的刚性配准的质量(先配准后评价吗?);(2)使原创 2020-09-25 16:49:47 · 918 阅读 · 0 评论 -
论文:3DFeat-Net: Weakly Supervised Local 3D Features for Point Cloud Registration
一、概述:本文来在弱条件下,通过学习的方式得到三维特征探测器和描述器,进行点云匹配。突出点在于:(1)探测器和描述器都是通过学习的方式得到,不需要进行人工标注。(2)注意力机制用来调整每个描述器的贡献度,体现每个输入点作为显著点的可能性。二、相关工作:(1)因为在点云中进行细致的点对点的标注太难,所以很多的方法都是值学习描述器,而探测器交给随机采样;(2)部分人工3D描述器,表现不佳;(3)介绍了部分2D的深度学习描述器,介绍了一些2D关键点探测器的探测方法,其中的一个工作启发了本文的注意力机原创 2020-09-19 17:12:24 · 1401 阅读 · 0 评论 -
论文:Iterative Matching Point
一、摘要:在本文中,我们提出了一种基于神经网络的点云配准方法为迭代匹配点(IMP)。该模型从两点云中迭代匹配点的特征,通过最小化匹配点之间的距离来求解刚体运动。这个想法类似于迭代最接近点(ICP),但我们的模型是通过比较几何特征来确定对应关系,而不是仅仅找到最接近的点。因此,它不受局部极小问题的影响,可以处理具有大旋转角度的点云。此外,特征提取网络的鲁棒性使IMP能够配准局部和有噪声的点云。在ModelNet40数据集上的实验表明,我们的方法比现有的点云配准方法有很大的优势,尤其是在初始旋转角度较大的情况原创 2020-08-24 17:17:59 · 364 阅读 · 0 评论