首页 > TAG信息列表 > 空间信息

论文笔记——Spatial-Temporal Relation Networks for Multi-Object Tracking

模式：tracking-by-detection 思路：通过时间空间的融合强化图片中每一个追踪到的目标的特征，用于相似度比较。 总体框架图： Figure2中的Spatial-Temporal Relation Networks是本文的主要创新点，Hungarian Algorithm 可以选出追踪目标（s）与最新一帧中的探测目标（s）的最大匹配。Hungaria

没事就读

【2009】无人机MD- A Lightweight Hyperspectral Imager 光谱成像应用广泛，在获取目标空间信息的同时还能够获取表征其表面理化性质的光谱信息，采集到的信息是三维数据立方体，其中两维是空间信息，第三维是光谱信息。光谱图像的每一个像素（pixel）都包含一个连续的光谱信息。 本文采用FP干

为什么在图像处理上卷积神经网络(CNN)会取代人工神经网络(ANN)?

神经网络的本质就在于做信息形式的变换,而要想做数据的处理,首要解决的问题就是如何将数据张量化,问题就在于ANN要处理的数据必须是向量形式,对于图像这种数据类型来说,如果将其展开成一维的向量,且不说得到向量的维数过高,网络太深导致网络中参数太多,图像中的空间信息也会丢失

Improving Monocular Depth Estimation by Leveraging Structural Awareness and Complementary Datasets

提出问题：目前单目深度估计中的方法存在的问题是缺乏结构信息的利用，这样就会导致不准确的空间信息，表面不连续，模糊边界问题。 提出解决方案： 为了充分利用视觉特征的空间关系，提出了一个空间结构注意力模块，这个模块让不同特征层注意不同的结构信息，比如有些层注意全局结构，有些层

SMA TE: Semi-Supervised Spatio-Temporal RepresentationLearning on Multivariate Time Series

这是一篇基于Tapnet修改的文章。 创新点： 1、加入了时间序列的空间信息（也就是variable 轴） 2、是用半监督学习 3、对embedding learning可视化 4、与13个监督学习和4个半监督学习作为baseline （个人觉得，相较于Tapnet，不同的地方主要在于加入了空间信息，和用的是AE框架） A:MTS需要考虑