weixin_42306148的博客

摘要 摘要——传统的基于特征的图像拼接技术在很大程度上依赖于特征检测质量，往往无法拼接特征较少或分辨率低的图像。由于缺乏标记数据，很少研究基于学习的图像拼接解决方案，这使得监督方法不可靠。为了解决上述限制，我们提出了一个无监督的深度图像拼接框架，包括两个阶段：无监督的粗略图像对齐和无监督的图像重建。在第一阶段，我们设计了一个基于消融的损失来约束一个无监督的单应网络，它更适合大基线场景。此外，引入了一个转换器层来扭曲拼接域空间中的输入图像。在第二阶段，基于可以在一定程度上消除特征水平的像素级错位的见解，我们设

基本信息 标题 Learn Stereo, Infer Mono: Siamese Networks for Self-Supervised, Monocular, Depth Estimation 年份 2019 摘要 近年来，自监督单目深度估计领域取得了巨大进步。 大多数方法假设在训练期间可以使用立体数据，但通常未充分利用它，仅将其视为参考信号。 我们提出了一种新颖的自监督方法，它在训练期间同等使用左右图像，但在测试时仍可用于单个输入图像，用于单眼深度估计。 我们的 Siamese 网络

《 算法图解 》—— 读书笔记 从打算深入钻研算法以来，**《算法图解》**是拿过来看的第一本算法书。 这本书的两个特点： 1、薄。全书200页左右，集中时间5个小时读完； 2、浅。本书在只介绍最初级的概念，且章节之间的关联及其紧密。 这篇博客作为读书笔记，记录每章节的主要内容，加深记忆，方便温故知新。 1 算法简介 编写第一种查找算法——二分查找； 算法的运行时间——大O表示法（评价算法复杂程度的函数）； 常用算法设计——递归； 1.1 引言 算法是一组完成任务的指令。任何代码片段都可视为算法。 2