- 博客(4)
- 收藏
- 关注
RSS订阅原创 Self-Supervised Sparse-to-Dense: Self-Supervised Depth Completion from LiDAR and Monocular Camera
论文分享（2）0.摘要深度补全，一种从稀疏深度图到估计密集深度图的技术，在机器和自动驾驶中由很大的应用。然而，深度补全面临三个主要的挑战：稀疏深度输入中的不规则间隔模式；处理多种传感器模式的困难（当彩色图存在时）；像素级别真值的密集深度的缺失。在这项工作中，处理了上述所有的挑战。具体来说，我们开发了一个深度回归模型来学习直接的映射从稀疏深度（含彩色图）到密集深度。我们也提出了一个自我监督训练框...
2020-02-14 19:25:49
1964
原创 Surface Normal Data Guided Depth Recovery with Graph Laplacian Regularization --论文分享
论文分享（1）1.摘要近年来，高质量深度图信息越来越多地应用在多媒体应用中。由于深度传感器以及传感技术的限制，事实上，获得的深度图经常为低分辨率的，而且有很多的空洞。在这篇论文中，我们受3D场景的表面法线和3D场景与摄像机距离的几何关系启发，发现法线图可以为深度图的重建提供更多的空间几何约束。因为深度图是一种携带空间信息的特殊图像，所以我们称深度图为2.5D图像。为了探究这个特性，我们提出了一...
2020-02-01 16:31:52
1356
原创 Pytorch 学习 （2）
Pytorch 学习 （2）过年回家，继续学习pytorch。又是一个优秀的人儿。1.对神经网络的理解神经网络结构实例如下：训练一个神经网络的简单过程如下：定义一个具有权重的神经网络对整个输入的数据集进行迭代用神经网络对输入进行处理计算损失函数（即输出与标签的差值）反向传播梯度对参数值进行修正权重等于权重减去学习率与梯度的乘积代码如下：笔记存疑：num_flat...
2020-01-21 14:39:49
235
原创 Pytorch 学习（1）
Pytorch 学习（1）之前为了赶导师的课程，在pytorch中的学习一直是断断续续的，方法也是东拼西凑的。现在打算沉下心来开始完整地学习pytorch。我开始学习的材料来自于 pytorch官网。1.对张量的理解首先，我们要理清张量的概念。简单来说，0维张量就是标量，1维张量就是向量，2维向量就是矩阵，三维张量就是RGB图片。下面，我将创建一个未初始化的5x3的矩阵，代码如下：结果...
2020-01-10 17:36:54
183
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人