Understanding uncertainty modeling (including Bayesian DL and Deep GP): Applications to X

最新推荐文章于 2024-05-31 09:39:44 发布
最新推荐文章于 2024-05-31 09:39:44 发布
阅读量127 收藏
点赞数
原文链接：https://zhuanlan.zhihu.com/p/151398233
版权

理解不确定性的实际应用：

https://oatml.cs.ox.ac.uk/publications.html
OXFORD APPLIED AND THEORETICAL MACHINE LEARNING GROUP (Yarin GAL)

https://www.ijcai.org/Proceedings/2017/0661.pdf
Concrete Problems for Autonomous Vehicle Safety: Advantages of Bayesian Deep Learning

https://zhuanlan.zhihu.com/p/151398233
一文了解目标检测边界框概率分布

https://blog.csdn.net/wyhz56/article/details/103375012
Fusion of LiDAR and Camera Sensor Data for Environment Sensing in Driverless Vehicles （with Gaussian Process）

https://idsc.ethz.ch/research-zeilinger/research-projects/distributed-safe-learning.html
Safe motion predictive control with uncertainty 

https://zhuanlan.zhihu.com/p/141540812
CVPR2020-单目深度估计中的不确定度探究 

 

[文献阅读]dropout as a bayesian approximation: representing model uncertainty in deep learning
pearl30的博客
07-15 7468
NN的bayesian VB，把dropout解释为后验分布为mixture of norm, scale=0带来的参数的稀疏性/特征的选择。
deep-gp:遗传程序设计应用于深度学习模块化构建
05-09
深gp 遗传程序设计应用于深度学习模块化构建
探秘深度高斯过程：Deep GP 开源库解析与应用指南
最新发布
gitblog_00025的博客
05-31 515
探秘深度高斯过程：Deep GP 开源库解析与应用指南 项目地址:https://gitcode.com/gh_mirrors/py/PyDeepGP 1、项目介绍 在机器学习的广阔领域中，高斯过程（Gaussian Process）是一种强大的非参数统计方法，尤其适用于处理小数据集和不确定性建模。而Deep GP，顾名思义，是将高斯过程的概念引入深度学习框架，形成了一种用于复杂函数拟合和预测的先...
论文笔记Deep Gaussian Processes深度高斯过程
ygf666的博客
06-07 2865
在本文中，我们介绍了深度高斯过程 (GP) 模型。 深度 GP 是基于高斯过程映射的深度信念网络。 数据被建模为多元 GP 的输出。 然后，该高斯过程的输入由另一个 GP 管理。 单层模型等效于标准 GP 或 GP 潜变量模型 (GP-LVM)。 我们通过近似变分边缘化在模型中进行推理。 这导致我们用于模型选择的模型的边际似然有一个严格的下限（层数和每层节点数）。 深度信念网络通常用于使用随机梯度下降进行优化的相对较大的数据集。 即使数据稀缺，我们的完全贝叶斯处理也允许应用深度模型。 通过我们的变分界选择模
D3VO: Deep Depth, Deep Pose and Deep Uncertainty for Monocular Visual Odometry
kebijuelun的博客
01-08 622
Paper name D3VO: Deep Depth, Deep Pose and Deep Uncertainty for Monocular Visual Odometry Paper Reading Note URL: https://openaccess.thecvf.com/content_CVPR_2020/papers/Yang_D3VO_Deep_Depth_Deep_Pose_and_Deep_Uncertainty_for_Monocular_CVPR_2020_paper.pdf
每天一篇论文 345/365 D3VO: Deep Depth, Deep Pose and Deep Uncertaintyfor Monocular Visual Odometry
流浪机器人的博客
03-16 2086
D3VO: Deep Depth, Deep Pose and Deep Uncertaintyfor Monocular Visual Odometry 参考 What Uncertainties Do We Need in Bayesian Deep Learning for Computer Vision? 摘要 我们提出了一个新的单目视觉里程测量框架D3V O，该框架在三个层次上利用深度...
A direct-construction approach to multidimensional realization and LFR uncertainty modeling
02-20
This article proposes a direct-construction realization procedure that simultaneously treats all the involved variables and/or uncertain parameters and directly generates an overall multidimensional ...
Uncertainty Modeling and Analysis in Engineering and the Sciences
11-10
### 不确定性建模与分析在工程与科学中的应用 #### 一、不确定性建模的重要性 《不确定性建模与分析在工程与科学中的应用》这本书由Bilal M. Ayyub与George J. Klir共同编著，是关于如何理解和处理实际工程问题中...
A Simple Baseline for Bayesian Uncertainty in Deep Learning 代码复现
12-25
A Simple Baseline for Bayesian Uncertainty in Deep Learning 论文的 Pytorch 代码复现 包含论文中随机权重平均高斯 （SWAG） 的 PyTorch 实现 SWA-Gaussian （SWAG） 是一种在贝叶斯深度学习中用于不确定性表示...
【Bayesian Linear Regression Analysis】: Exploring the Principles and Applications of Bayesian ...
In the realm of machine learning and statistical modeling, Bayesian linear regression stands out as a significant approach that blends the principles of Bayesian statistics with linear regression ...
《论文阅读》D3VO: Deep Depth, Deep Pose and Deep Uncertainty for Monocular Visual Odometry
未知丶的博客
09-03 886
留个笔记自用 D3VO: Deep Depth, Deep Pose and Deep Uncertainty for Monocular Visual Odometry 做什么 Monocular Visual Odometry单目视觉里程计 相机在运动过程中连续两帧之间会存在overlap，即会同时观测到三维世界中的某些场景以及特征点。而这些场景特征点会投射到2D图片上，通过图片的对齐或者特征的匹配，可以找到前后图片上特点或patch的对应关系。利用相机的成像几何模型（包括相机参数）以及约束，可以求出
Fusion of LiDAR and Camera Sensor Data for Environment Sensing in Driverless Vehicles
01-06 1424
摘要 无人驾驶车辆通过感知和感知周围环境来做出准确的驾驶决策。几种不同的传感器（例如LiDAR，雷达，超声传感器和照相机）的组合被用来感应无人驾驶车辆的周围环境。异构传感器同时捕获环境的各种物理属性。需要通过传感器数据融合积极地利用这种多模态和感测冗余，以实现对环境的可靠一致的感知。但是，这些多模式传感器数据流在许多方面彼此不同，例如时间和空间分辨率，数据格式和几何对齐。为了使随后的感知算法利用...
每天一篇论文 369/1000 D3VO: Deep Depth, Deep Pose and Deep Uncertainty for Monocular Visual Odometry
流浪机器人的博客
05-01 1294
D3VO: Deep Depth, Deep Pose and Deep Uncertainty for Monocular Visual Odometry 摘要 我们提出D3VO作为一种新的单目视觉测程框架，它利用了深度、姿态和不确定度三个层次上的深度网络。首先，我们提出了一种基于双目视频的自监督单目深度估计网络。特别地，它利用预测亮度变换参数将训练图像对对齐到相似的光照条件。此外，我们对输入图...
CVPR2020——D3VO论文阅读
ZEroJAVAson的博客
05-23 2562
文章标题：D3VO: Deep Depth, Deep Pose and Deep Uncertainty for Monocular Visual Odometry 摘要： 我们提出的D3VO单目视觉里程计框架从三个层面上利用了深度学习网络，分别是：利用深度学习的深度估计，利用深度学习的位姿估计，以及利用深度学习的不确定度估计。首先我们提出了一个在双目视频上训练得到的自监督单目深度估计网络。特别的，它利用预测亮度变换参数，将训练图像对对齐到相似的亮度条件上。另外，我们建模了输入图像像素的亮...
【综述】视觉和激光雷达融合SLAM | 传统方法| 最新2020
weixin_42344264的博客
06-01 6260
视觉和激光雷达的综述 A Review of Visual-LiDAR Fusion based Simultaneous Localization and Mapping 先介绍基本SLAM原理，再视觉SLAM，再激光SLAM，最后介绍两者融合SLAM Section 2：SLAM 1、SLAM的概率方法解释 2、基于图的SLAM框架 Section 3：V-SLAM 1、所有这些视觉SLAM在光线改变或者低纹理环境都容易出错。 Section 4：LiDAR Based SLAM 1、基于
【论文笔记】移动机器人视觉 SLAM 研究综述
m0_48948682的博客
08-22 5443
1. 视觉SLAM技术具有成本低，安装简单的优点； 2. 相较于激光SLAM，能获得环境中色彩和纹理信息 $\rightarrow$ 提取更多特征，更好场景辨识
【深度】最新万字综述自动驾驶，深度解构核心技术！
九三智能控
05-03 2913
关注：决策智能与机器学习，深耕AI脱水干货作者|于凡来源 |知乎专栏-无人驾驶编辑 | 九三山人编者按：本文主要讨论ADS（Autonomous Driving System）的...
Bagging、Boosting、Stacking集成学习代码
ydd的博客，记录生活
12-21 1180
Bagging的算法过程如下： 从原始样本集中使用Bootstraping 方法随机抽取n个训练样本，共进行k轮抽取，得到k个训练集（k个训练集之间相互独立，元素可以有重复）。 对于n个训练集，我们训练k个模型，（这个模型可根据具体的情况而定，可以是决策树，knn等） 对于分类问题：由投票表决产生的分类结果；对于回归问题，由k个模型预测结果的均值作为最后预测的结果（所有模型的重要性相同）。 Boosting的算法过程如下： 对于训练集中的每个样本建立权值wi，表示对每个样本的权重， 其关键在与对于被错误分
multi-task learning using uncertainty to weigh losses for scene geometry and
10-19
多任务学习利用不确定性来加权损失用于场景几何和...... 多任务学习是一种机器学习方法，旨在通过同时学习多个相关的任务来提高模型的性能。在场景几何和...中，我们可以利用多任务学习来同时学习场景几何和......
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