三维计算机视觉 —— 中层次视觉 —— RCNN Family
RCNN是从图像中检测物体位置的方法，严格来讲不属于三维计算机视觉。但是这种方法却又非常非常重要，对三维物体的检测非常有启发，所以在这里做个总结。 1、RCNN - the original idea —— <Rich feature hierarchies ...
原文：三维计算机视觉 — 中层次视觉 — Point Pair Feature
机器人视觉中有一项重要人物就是从场景中提取物体的位置，姿态。图像处理算法借助Deep Learning 的东风已经在图像的物体标记领域耍的飞起了。而从三维场景中提取物体还有待研究。目前已有的思路是先提取关键点，再使用各种局部特征描述子对关键点进行描述，最后与待检测物体进行比对，得到点 点的匹配。个别文章在之后还采取了ICP对匹配结果进行优化。 对于缺乏表面纹理信息，或局部曲率变化很小，或点云本身 ...
2016-10-18 08:29 1 3561 推荐指数：
相关推荐
【计算机视觉基础】利用3DMM重建三维信息
参考 1. 使用3DMM进行人脸重建中的配准方法； 2. face3d_github; 3. 多目三维重建； 4. 3DMM人脸重建_知乎； 完 ...
『计算机视觉』棋盘效应
零、转置卷积介绍 『TensotFlow』转置卷积 TensorFlow转置卷积API详解 一、棋盘效应 当我们要用到深度学习来生成图像的时候，是往往是基于一个低分辨率且具有高层语义的图像 ...
计算机视觉 - 语义分割
FCN - Fully Convolutional Networks for Semantic Segmentation 全卷积网络 将全连接层转换为卷积层，使得输入的图片大小不受限制。 输入经过一系列的 Conv-Pooling 后，feature map ...
计算机视觉开源项目
按类别分类 特征提取 SURF特征: http://www.vision.ee.ethz.ch/software/index.de.html(当然这只是其中之一) LBP特征(一 ...
计算机视觉 - 语义分割（二）
引言 已经有很多U-Net-Like的神经网络被提出。 U-Net适用于医学图像分割、自然图像生成。 在医学图像分割表现好： 因为利用了底层的特征（同分辨率级联）改善上采样的信息不足。 ...
计算机视觉学习路线
深度学习算法工程师的基本要求 熟练掌握python和c++编程，至少熟悉 Caffe 和 Tensorflow/Pytorch 两种框架。 熟练玩转深度学习各类模型架构使用和设计。 ...
计算机视觉五大技术
目前，计算机视觉是深度学习领域最热门的研究领域之一。计算机视觉实际上是一个跨领域的交叉学科，包括计算机科学（图形、算法、理论、系统、体系结构），数学（信息检索、机器学习），工程学（机器人、语音、自然语言处理、图像处理），物理学（光学 ），生物学（神经科学）和心理学（认知科学）等等。许多科学家认为 ...