naath-CSDN博客

原创变化检测综述 Deep learning for change detection in remote sensing images: comprehensive review and me

Deep learning for change detection in remote sensing images: comprehensive review and meta-analysis摘要深度学习（DL）算法被认为是过去几年遥感图像分析选择的方法。由于其有效的应用，还引入了深度学习，用于自动变更检测，取得了巨大的成功。本研究试图提供全面的审查和荟萃分析本次领域最近的进展情况。具体而言，我们首先介绍了经常用于改变检测的深度学习方法的基础。其次，我们介绍了Meta分析的细节，进行了调查检测DL

2021-03-31 10:00:42 12418

原创 Feature learning and change feature classification based on deep learning for change detection

Feature learning and change feature classification based on deep learning for ternary change detection in SAR images摘要三元变更检测旨在检测变化，并将变化变为积极变化和负变化。在空间颞织物合成孔径雷达图像的联合解释中具有重要意义。在本研究中，结合了稀疏的AutoEncoder，卷积神经网络（CNN）和无监督的聚类，以解决Ternary变更检测问题而无需任何监督。首先，稀疏的autoEnco

2021-03-28 11:59:14 373

原创变化检测综述：Change Detection Based on Artificial Intelligence: State-of-the-Art and Challenges

Change Detection Based on Artificial Intelligence: State-of-the-Art and Challenges基于人工智能改变检测：最先进的和挑战Abstract基于遥感（RS）数据的改变检测是检测地球表面变化的重要方法，并且在城市规划，环境监测，农业调查，灾害评估和地图修订中具有广泛的应用。近年来，综合人工智能（AI）技术已成为开发新变化检测方法的研究重点。虽然一些研究人员声称AI的变化检测方法优于传统的变化检测方法，但它没有立即明显如何以及在多

2021-03-25 10:31:36 7919

原创 CosyPose: Consistent multi-view multi-object 6D pose estimation

CosyPose: Consistent multi-view multi-object 6D pose estimation摘要我们介绍一种用于恢复场景中多个已知对象的6D姿势的方法，该场景由一组具有未知相机视点的输入图像捕获。首先，我们提出一种单视图单对象6D姿势估计方法，该方法用于生成6D对象姿势假设。其次，我们开发了一种鲁棒的方法来匹配不同输入图像上的单个6D对象姿势假设，以便共同估算单个一致场景中所有对象的相机视点和6D姿势。我们的方法显式处理对象对称性，不需要深度测量，对丢失或不正确的对象假

2020-11-14 11:58:31 1652 1

原创 A Weakly Supervised Convolutional Network for Change Segmentation and Classification

A Weakly Supervised Convolutional Network for Change Segmentation and ClassificationAbstract完全监督的变化检测方法要求难以获得像素级标签，而弱监督的方法可以使用图像级标签进行训练。但是，大多数这些方法都需要将变化的图像和不变的图像对组合在一起进行训练。因此，这些方法不能直接用于仅更改的图像对可用的数据集。我们介绍W-CDNet，这是一种新型的弱监督变更检测网络，可以使用图像级语义标签进行训练。此外，可以使用两种不

2020-11-11 11:12:09 1119 1

原创 PVN3D论文翻译

CVPR2020旷视提出PVN3D：针对6D位姿估计的3D关键点投票网络Abstract在这项工作中，我们提出了一种新的数据驱动方法，用于从单个RGBD图像进行鲁棒的6DoF对象姿态估计。与直接回归姿态参数的先前方法不同，我们使用基于关键点的方法来解决这一具有挑战性的任务。具体而言，我们提出了一种深度霍夫投票网络，以检测对象的3D关键点，然后以最小二乘拟合的方式估算6D姿态参数。我们的方法是2Dkeypoint方法的自然扩展，该方法成功地用于基于RGB的6DoF估计。它使我们能够利用额外的深度信息充分利

2020-09-09 18:10:21 1500

原创 densefusion代码

代码详细注解从之前的博客，我相信大家都已经知道，训练代码为tools/train.py，下面时对该代码的详细注解（这里只要随便看看就好，最后面还有总结）1. tools/train# --------------------------------------------------------# DenseFusion 6D Object Pose Estimation by Iterative Dense Fusion# Licensed under The MIT License [see

2020-08-11 09:41:01 1931 3

原创 densefusion翻译

准备https://github.com/j96w/DenseFusionhttps://github.com/hoangcuongbk80/Object-RPE/tree/master/DenseFusion翻译Abstract之前的网络都是分别从RGB图像和深度图像提出信息，需要做后期处理。Dense Fusion把RBG图像和depth图通过特征融合，做了一个统一的处理。很大程度上提高了速度，并且还提出iterative pose refinement：其能对初步预测的姿态进行提炼，内部实现

2020-08-10 22:13:59 918

原创 Learning latent geometric consistency for 6D object pose estimation in heavily cluttered scenes

Learning latent geometric consistency for 6D object pose estimation in heavily cluttered scenes在杂乱无章的场景中学习6D对象姿态估计的潜在几何一致性abstract从RGB-D图像估计6D对象姿态（3D旋转和平移）是计算机视觉中一项重要且具有挑战性的任务，已广泛应用于各种应用中，例如机器人操纵，自动驾驶，增强现实等。来自单个帧的局部外观的特征或原因，它忽略了两个帧之间的空间几何相关性，从而限制了它们在杂乱无

2020-08-03 17:41:52 512

cocool的博客