本文是论文<UPSNet: A Unified Panoptic Segmentation Network>的阅读笔记,该论文提出了全景分割模型UPSNet,使用ResNet-FPN作为backbone,采用Mask R-CNN作为实例分割网络,FPN+可变形卷积作为语义分割网络,通过启发式算法设计全景分割头,最终的得到一个端到端的全景分割模型。在Cityscape、COCO数据集上达到SOTA。
本文是论文<YOLO9000:Better, Faster, Stronger>的阅读笔记,该论文提出了分类模型Darknet-19,基于YOLOv1提出目标检测模型YOLOv2,YOLO9000。YOLOv2比Faster R-CNN、SSD精度差不多,但是速度更快。YOLO9000可以检测超过9000类目标。
本文是论文<YOLOv3: An Incremental Improvement>的阅读笔记,该论文在YOLOv2的基础上提出YOLOv3,做了一些小改动,还提出了新的backbone网络:Darknet-53。YOLOv3的速度很快,而且其AP50精度几乎达到SOTA。
本文通过深度图构建一个点云地图,然后使用cloud_to_map功能包,将其转换为可用于导航的二维栅格地图。
本文首先介绍了ROS中导航地图的数据类型:OccupancyGrid,然后总结了map_server功能包的用法.最后编写一个OccupancyGrid发布节点,该节点读取地图数据文件,然后发布主题和服务,可以通过rviz查看地图.
本文介绍了ROS中机器人导航的基础知识和实例。首先给出了导航常用到的数据类型、坐标系、主题,然后介绍了主要用到的功能包:move_base、amcl、fake_localization,最后介绍了如何在Gazebo中进行激光导航仿真的实例。
本文是论文<YOLACT: Real-time Instance Segmentation>的论文笔记,该论文提出了YOLACT,一个实时的实例分割模型。YOLACT将实例分割分成两个分枝:prototype和mask coefficient预测,可以在TitanXp上以33.5fps的速度达到29.8mAP。本文还提出了Fast NMS。