AAAIMar, 2022

FisheyeHDK: 超宽视场图像识别的双曲形变核学习

PDF
TL;DR本文提出了一种新的超限变形卷积参数学习方法，即使用超平面空间中的核形状来适应鱼眼图像，改进了现有的变形核方法。实验结果表明，该方法比先前的方法在鱼眼图像上的适应能力更强，使得 CNN 在鱼眼图像适应任务中性能更佳。
cnnshyperbolic kernelsfisheye imagesobject recognitiondeformable kernel methods
发现论文，激发创造
  • 卷积核适应校准鱼眼

    使用摄像机校准来改变卷积核并适应畸变，使得卷积的感受野类似于透视图像中的标准卷积，从而提高在深度估计和语义分割中校准鱼眼镜头网络的性能。

    Feb, 2024

  • 无需重新训练的鱼眼相机卷积神经网络适应

    通过提出 Rectified Convolutions (RectConv) 方法，不需要任何重新训练即可将预训练卷积网络适应于新的非透视图像，从而实现对两个公开数据集中的鱼眼图像进行分割和检测。

    Apr, 2024

  • 利用鱼眼数据中的畸变 - 语义交互

    本文提出一种方法来塑造一个鱼眼特定的表示空间，以反映这种数据模态中存在的畸变和语义上下文之间的相互作用，该方法向模型提供了关于畸变和语义上下文之间相互作用的学习方法，并应用于目标检测任务中，从而在平均精度上实现了 1.1% 的性能提升，并超过了其他现有的表征学习方法 0.6% 的 性能。

    Apr, 2023

  • 基于位置引导的鱼眼图像头部姿态估计

    使用鱼眼镜头进行头部姿态估计，提出了一种新的方法，通过图像中头部位置的知识来降低鱼眼畸变的负面影响，使用卷积神经网络从鱼眼图像直接估计头部姿态，无需校正或标定操作，实验证明与其他最先进的单阶段和双阶段方法相比，我们的网络显著提高了头部姿态估计的准确性。

    Feb, 2024

  • 核点聚集下的双曲卷积

    本文提出了一种新的可训练超几何卷积神经网络 HKConv，它在保持与置换等变和局部邻域平移不变性的同时，能够有效地按照超几何形状学习本地特征，尤其在层次或类似树状数据的嵌入方面表现出色。

    Jun, 2023

  • OmniDet：基于全景摄像头的自动驾驶多任务视觉感知网络

    本文提出在未经校正的鱼眼图像上运行的多任务视觉感知网络来加强自动汽车系统的六个主要任务，其中包括深度估计，视觉测距，语义分割，动态分割，目标检测以及镜头污染检测，通过联合训练模型，在 KITTI 数据集上实现深度估计和姿态估计任务的最新结果。

    Feb, 2021

  • FishEyeRecNet: 鱼眼图像矫正的多上下文协同深度网络

    本研究提出了一种端到端多环境协作深度神经网络，用于从单个鱼眼图像中消除畸变，采用深度学习方法自动估计畸变参数并构建合成数据集进行训练，实验表明，在合成和真实数据集上，该模型明显优于当前最先进的方法。

    Apr, 2018

  • 学习球面卷积以从 360° 图像中快速提取特征

    该研究提出了一种基于球面卷积网络的方法来处理 360° 全景图像，该方法可以有效地提取特征并利用预先训练的卷积神经网络，从而大大降低了计算量和提高了准确性。

    Aug, 2017

  • 鱼眼城市驾驶图像的通用语义分割

    本文提出了一种七自由度的增强方法，将平面图像转化为鱼眼图像，提供了一种通用的解决方案，以改善模型的精度和鲁棒性。该模型适用于不同的鱼眼相机，提供了特定参数设置，并在实际鱼眼图像上取得了令人满意的结果。

    Jan, 2020

  • 提供合成和真实的鱼眼视频序列的数据集

    本文介绍了一个包含了合成和真实鱼眼图像以及相应的校准数据和测试设置的数据集，以便能够开发和评估适用于鱼眼图像和视频的专门算法。

    Nov, 2022