少量物体检测
（ECCV 2020）PyTorch实施的论文“野外物体的少量目标检测和视点估计”
如果我们的项目对您的研究有所帮助，请考虑引用：
@INPROCEEDINGS{Xiao2020FSDetView,
author = {Yang Xiao and Renaud Marlet},
title = {Few-Shot Object Detection and Viewpoint Estimation for Objects in the Wild},
booktitle = {European Conference on Computer Vision (ECCV)},
year = {2020}}
变更日志
[2020年12月15日]在download_models.sh中download_models.sh的CO
2022-04-09 21:14:47
743KB
1
This document contains a detailed description of the usage and configuration of the VSRS (View Synthesis Reference Software) for the 3D Video (3DV) and Free viewpoint TeleVision (FTV) project of the 3D Video Coding Team of the ISO/IEC Moving Pictures Experts Group (MPEG). The name of version 1 of this software was View Synthesis software.
2022-04-08 17:08:03
161KB
1
测试序列下载资源汇总，做算法实验必备，多视点，光场图像，光场视频算法
光场/多视点测试序列
一、EPFL实验室测试序列： 2
二、史坦福的光学实验 13
三、Middlebury大学的测试序列 17
四、 传统3D多视点视频测试序列 22
五、 迪士尼研究院测试序列 23
2022-04-06 02:59:23
11.09MB
深度学习入门挑战
几年来，野生生物中的动物检测一直是生物学家非常感兴趣的领域。 他们经常研究动物的行为以预测其行为。 由于存在大量不同的动物，因此手动识别它们可能是一项艰巨的任务。 因此，可以根据动物的图像对动物进行分类的算法可以帮助研究人员更有效地监视动物。 此外，动物检测和分类还可以帮助防止动物车辆事故，追踪动物设施，防止盗窃并确保动物园中动物的安全。
深度学习的应用在计算机视觉领域正在Swift增长，并正在帮助构建强大的分类和识别模型。 我们可以利用深度学习的这种力量来构建可以对不同种类的动物进行分类和区分的模型。
在此数据集中，我们提供了30种不同动物的19,000张图像。 在接下来的90天内，我们将向您挑战以建立模型，以便在给定图像的情况下，该模型将预测每种动物类别的概率。 具有最高概率的动物类别将表示该图像属于该动物类别。
这是一个入门文件，可供初学者通过此挑战进入深度学
2022-03-14 12:10:41
2.28MB
1
多视点视频颜色校正方法研究进展，邵枫，蒋刚毅，颜色校正是目前自由视点电视研究的一个热点问题。该文综合论述了多视点视频颜色校正方法，首先，对传统的图像颜色校正方法进行了
2021-10-25 18:17:07
797KB
1