无需重新训练的鱼眼相机卷积神经网络适应
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
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。
Mar, 2022
本文提出了一种基于深度学习的方法来同时校准鱼眼镜头的内部参数和矫正失真的图像,并进一步针对其非线性失真分布和特定几何形状设计了一种多尺度感知的神经网络,通过新的数据集测试发现该方法相比于其他先进算法能在合成和真实数据的鱼眼图像上较好地矫正并准确估计失真参数。
Apr, 2019
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
本论文提出了一种新的结构化图卷积算子,可以复制二维卷积权重,将传统 CNN 训练的能力转移到新的图网络,从而可以处理非矩形数据,不需要在大型数据集上进行领域特定的训练。作者还展示了将预训练图像网络应用于分割、风格化和深度预测等多种数据形式,并得出了相应的实验结果。
Jul, 2022
本文提出了一种采用端到端的深度学习方法来对鱼眼图像进行矫正以及同时校准相机内在和畸变参数的方法,该方法能够在高分辨率下具有鲁棒的表现,并且利用生成对抗网络(GAN)实现了快速图像矫正模块和校准模块。
May, 2023
本文提出了一种新的方法来纠正偏离的鱼眼图像,通过学习失真向量映射来独立识别每个像素点的局部失真特征,结合预训练和微调训练范式以及数据增广方法,在纠正中心和偏离的鱼眼图像方面取得了显著的性能提升。
Jun, 2024
本文提出了一种新型卷积方法,可以考虑相机参数,从而使神经网络学习到的模式具有校准感知能力,从而显著提高深度预测网络的泛化能力,并在不同相机模型下的训练和测试图像中明显优于现有技术。
Apr, 2019
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