计算机视觉
文章平均质量分 88
爱嘤嘤的小猪仔
这个作者很懒,什么都没留下…
展开
-
Spk2ImgNet: Learning to Reconstruct Dynamic Scene from Continuous Spike Stream论文笔记
1)提出了名为Spk2Imgnet的端到端的卷积神经网络,来从脉冲数据流中重建动态场景。这是第一个使用端到端神经网络来解决脉冲相机图像重建的方法。2)提出了一种层级结构来渐进地探索时间关联性,使得神经网络可以同时处理来自噪声和高速移动的挑战。3)研究了脉冲生成机制。基于分析,提出了一个脉冲模拟器,用来生成模拟脉冲流以及相关的真值图像,并且构建了一个脉冲数据集来训练脉冲相机图像重建网络。4)真实数据集以及合成数据集上的结果显示所提出的网络很对动态场景取得了目前最佳的重建效果。原创 2023-09-07 14:06:05 · 269 阅读 · 1 评论 -
Reconstructing Clear Image for High-Speed Motion Scene With a Retina-Inspired Spike Camera 论文笔记
脉冲相机的机制如图2所示。该传感器由一组像素阵列构成,每一个像素都可以单独地记录光强。每一个像素都包含了三个主要部分:光感受器、积分器和比较器。光感受器捕捉环境中的光子,然后将瞬时光强ItI(t)It转化为可以被积分器识别的电压。At∫0tηIxdx(1)At∫0tηIxdx1其中,η\etaη表示光电转化率。一旦积累的信号达到阈值θ\thetaθ,像素建立flag信号并发出脉冲。同时立刻重置积分器,开始新一轮的“积累和发放”过程。At。原创 2023-09-06 16:32:39 · 175 阅读 · 0 评论 -
Learning to Super-resolve Dynamic Scenes for Neuromorphic Spike Camera论文笔记
新兴的实时计算机视觉应用,比如自动驾驶,无人机技术等都需要机器能够清楚地记录高速运动并且迅速响应。这暴露了传统相机的不足。传统的相机主要是基于一次性曝光成像,对静态场景或者低速运动可以进行很好的成像。但是对于高度运动,运动物体上的某一点可能会被投影到传感器的不同像素上,导致运动模糊。为了清晰地捕捉高动态场景,脉冲相机被发明。不同于传统相机将所有一个曝光周期内的所有视觉信息压缩成一张快照,脉冲相机没有采用曝光窗口的概念。原创 2023-08-19 14:58:06 · 1098 阅读 · 1 评论 -
使用QIS(Quantum Image Sensor)图像重建总结(1)
最近看了不少使用QIS重建图像的文章,觉得比较完整详细的还是Abhiram Gnanasambandam的博士论文:https://hammer.purdue.edu/articles/thesis/Computer_vision_at_low_light/20057081讲述了又墨子的小孔成像原理,到交卷相机,再到数字相机的发展过程。指出本文的主要目的是为了针对光子随机到达相机产生的散粒噪声(即使是完美的传感器也没有办法避免),提出相应的解决思路。原创 2023-03-07 15:32:09 · 1123 阅读 · 0 评论 -
yolov5 c++ 识别工件
记录一下训练yolov5识别工件,并用c++调用模型的过程训练过程准备数据,使用网站https://app.roboflow.com/cv-rbynj进行数据标注。创建一个新的工程,新建好的工程如下图所示然后上传文件,点击上传好的图片,开始标注,框选出物体,并在左上角的框里写入物体的类别,这里为了识别工件,输入workpiece。当数据都标注好了,点击左上角的白色返回按钮然后点击右上角finish uploading然后可以按照自己的需求进行设置,yolov5一般默认图片尺寸为640*原创 2022-01-05 15:29:08 · 3535 阅读 · 0 评论 -
Reinforced-Feature-Points代码解读
本文是对Reinforced Feature Points:Optimizing Feature Detection and Description for a High-Level Task论文开源代码的解读和自己的思考。论文链接:https://arxiv.org/pdf/1912.00623.pdf代码链接:https://github.com/aritra0593/Reinforced-Feature-Points接下来以Training里的main.py,即训练代码为例进行解读def ge原创 2021-12-04 10:04:47 · 2704 阅读 · 1 评论 -
论文笔记 Reinforced Feature Points: Optimizing Feature Detection and Description for a High-Level Task
介绍\quad文章的主要思路是使用SuperPint的预训练模型,使用旋转矩阵RRR和平移矩阵ttt对SuperPoint进行reinforcement learning, 使其能够估计相机的相对位姿变化。作者指出对神经网络的训练,SuperPoint在匹配任务上取得了比SIFT更好的效果,但其在根据匹配求解本质矩阵上,效果却不如SIFT,同为深度学习网络的LIFT也存在相同的问题,LIFT特征在三维重建任务中的效果不如SIFT,基于深度学习方法的特征点在底层任务(如匹配)中取得很好效果的同时,在高层任原创 2021-12-01 22:10:39 · 3666 阅读 · 3 评论