搜索资源列表
人体运动跟踪系统的研究与实现
- 利用图像序列中运动目标的行为特征对其表现的行为进行识别与分析的技术，它可以赋予计算机类似于人一样的观察和理解动态场景的视觉能力
Reconstructing Plants in 3D from a Single Image Using Analysis-by-Synthesis
- 成熟的计算机视觉技术允许重建 从图像中挑战3D对象。然而，由于高度的复杂性 植物拓扑中，用于生成三维植物模型的专用方法 必须设计。我们建议使用 一种综合分析方法，混合来自单一图像的信息 以及对植物种类的先验知识。 首先，我们专用的骨架算法从叶子分割中生成一个可能的分支结构。然后，一个3D生成模型， 建立了考虑植物知识的分支系统参数模型。生成的骨架遵循 自然分支结构的层次结构。的一个实例 可以生成一个3D模型。的变参数值 生成模型(植物和树叶的主要分枝结构)，我们 生产一系列
Face Recognition. From Traditional to Deep Learning Methods
- 近几年，传统的人脸识别算法被深度卷积网络所代替。CNN的主要优势就是可以结合庞大的数据集提取出原先所提出不出来的优质feature,与此同时精度也提升了很多。同时CNN的出现也加速了计算机视觉的发展，例如object detection 、recognition、segmentation。
基于深度学习的机器人抓取仿真训练技术研究
- 机器人智能抓取是实现机器人智能化的重要一环。由于待抓取物品形状、尺度的多样性以及环境因素的影响，抓取任务很难用准确的数学公式求解。以往的研究多是借助计算机视觉、机器学习等相关技术，虽有一定的效果，但智能化程度还是较低。2012 年后深度学习技术逐渐崛起，因为其良好的特征提取表现被应用在了各个领域，如医学图像、自动驾驶、数据分析等，近年来国外学者开始将这项技术应用到机器人抓取，并取得了一定的成果。
Visual Saliency Based on Multiscale Deep Features
- 本资源为论文，是计算机视觉的显著性检测领域的经典论文之一