本文是论文<Image Super-Resolution by Neural Texture Transfer>,该论文受图像分割化的启发,提出了基于参考图像的超分辨率方法:SRNTT,并提出了一个新的评价RefSR方法的数据集:CUFED5。
本文是论文<Deep Learning for Image Super-resolution:A Survey> 的论文笔记,是图像超分辨率的综述性文章。
列一下今年想读的CV和SLAM论文。
本文阅读了机器人会议IROS2020中部分视觉SLAM的论文,并做了相关记录。
本文阅读了机器人会议ICRA2020中部分视觉SLAM的论文,并做了相关记录。
本文介绍了IMU传感器, 包括其误差模型, 数学模型, 以及连续和离散的积分方程. 并介绍了VIO的概念, 以及为了节省计算量而提出的IMU预积分的形式和误差方程.
本文是论文<YOLOv4: Optimal Speed and Accuracy of Object Detection>的阅读笔记,该论文使用大量的trick,在YOLOv3的基础上提出了YOLOv4目标检测算法。在保持YOLO系列速度的同时,精度得到大幅提升。
本文介绍了基于采样的路径规划算法,包括PRM、RRT、RRT*、Kinodynarmic-RRT*等算法,并使用OMPL库进行路径规划测试。
本文是论文<Cross-Iteration Batch Normalization>的阅读笔记,该论文在BN的基础上提出了CBN方法,联合多个mini-batch的样本以及使用泰勒展开式,解决了当batch size太小时BN失效的问题。
本文是论文<CBAM: Convolutional Block Attention Module>的阅读笔记,该论文提出了实现视觉注意力机制的模块CBAM(或称SAM)。CBAM可解耦为通道注意力和空间注意力,可与现存的网络结合,在图像分类和目标检测上达到SOTA效果。