Anytime Stereo Image Depth Estimation on Mobile Devices論文閱讀筆記
這篇文章做了啥 ICRA2019的一篇文章，作者研究的主要問題是，現有的雙目深度估計算法大多數都不能部署到移動端，作者提出了一個anynet，就是在任何時間限制下都能夠得到一個深度估計，對fps要求比較高的話，可以用粗糙的結果，對fps要求比較低的話，可以用refine的結果，總之，可以在時間和精度之間進行權衡，如下圖。 實際上作者訓練的時長是真的很短，並且能夠得到還比較能夠接受的結果。後面我們會
相關文章
- 1. 論文閱讀筆記《Learning monocular depth estimation infusing traditional stereo knowledge》
- 2. 【論文閱讀筆記】Pelee: A Real-Time Object Detection System on Mobile Devices
- 3. 論文閱讀:High-Precision Depth Estimation Using Uncalibrated LiDAR and Stereo Fusion
- 4. From Depth Data to Head Pose Estimation: a Siamese approach----論文閱讀筆記
- 5. 【論文閱讀筆記】High Quality Monocular Depth Estimation via Transfer Learning
- 6. 目標檢測論文閱讀筆記：《ThunderNet: Towards Real-time Generic Object Detection on Mobile Devices》
- 7. 論文閱讀筆記：MobileFaceNets: Efficient CNNs for Accurate RealTime Face Verification on Mobile Devices
- 8. 【論文閱讀筆記】ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices
- 9. 論文閱讀筆記：ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices
- 10. 【論文閱讀筆記】-《Quantized Convolutional Neural Networks for Mobile Devices》
- 更多相關文章...
- • RSS 閱讀器 - RSS 教程
- • C# 文本文件的讀寫 - C#教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • JDK13 GA發佈：5大特性解讀
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 論文閱讀筆記《Learning monocular depth estimation infusing traditional stereo knowledge》
- 2. 【論文閱讀筆記】Pelee: A Real-Time Object Detection System on Mobile Devices
- 3. 論文閱讀:High-Precision Depth Estimation Using Uncalibrated LiDAR and Stereo Fusion
- 4. From Depth Data to Head Pose Estimation: a Siamese approach----論文閱讀筆記
- 5. 【論文閱讀筆記】High Quality Monocular Depth Estimation via Transfer Learning
- 6. 目標檢測論文閱讀筆記：《ThunderNet: Towards Real-time Generic Object Detection on Mobile Devices》
- 7. 論文閱讀筆記：MobileFaceNets: Efficient CNNs for Accurate RealTime Face Verification on Mobile Devices
- 8. 【論文閱讀筆記】ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices
- 9. 論文閱讀筆記：ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices
- 10. 【論文閱讀筆記】-《Quantized Convolutional Neural Networks for Mobile Devices》