关键词recurrent convolutional neural networks
搜索结果 - 5
- 端到端 6 自由度视觉定位和里程的深度全局相对网络
本文提出了一种基于深度端到端网络的长期六自由度视觉里程法,通过融合相对网络和全局网络来改进单目定位的准确性,并使用交叉变换约束和均方误差来优化参数,实验结果表明本方法在位姿准确性方面优于其他最先进的基于学习的视觉里程计方法。
- DeepVO:用深度递归卷积神经网络实现端到端视觉里程计
本文提出了一种新的、基于深度循环卷积神经网络(RCNNs)的单目 VO 的端到端框架,通过该框架,可以直接从一系列原始 RGB 图像(视频)中推断出姿态,同时具备学习有效特征表示、深度循环神经网络中的序列动力学和关系的功能,实验验证了该技术 - 适用于循环网络的引导和空间自适应比特速率的改进有损图像压缩
本论文提出了一种基于循环卷积神经网络的有损图像压缩方法,通过像素权重损失、改进循环神经网络的结构以及自适应位分配算法,成功取得了多项实验成果优于 BPG、WebP、JPEG2000 和 JPEG 等标准方式。
- 基于递归卷积神经网络的强化学习
使用递归卷积神经网络的值迭代,以及部分可观测环境下的状态信念传递和最佳行动选择来更好地利用强化学习问题的固有结构,通过 RCNNs 回传梯度允许系统显式地学习与底层 MDP 相关联的变换模型和奖励函数,这是经典基于模型的 RL 的一种优秀替 - 面向视觉物体跟踪的空间监督循环卷积神经网络
本文提出了一种新的空间监督递归卷积神经网络,用于视觉对象跟踪,通过研究长短期记忆和区域信息的回归能力,结合卷积网络产生的高层视觉特征直接预测跟踪位置,相较于现有的深度学习跟踪器,我们的跟踪器在保持低计算成本的同时更加准确和鲁棒,实验结果表明