Recurrent Neural Network for (Un-)supervised Learning of Monocular Video Visual Odometry and Depth
شبکه عصبی بازگشتی برای یادگیری غیرنظارتی عمق و مسافت پیمایی بصری ویدئویی تک‌چشمی
دانلود مقاله
| زمینه | کامپیوتر |
|---|---|
| نام ژورنال | IEEE |
| نام نویسنده | Rui Wang, Stephen M. Pizer, Jan-Michael Frahm |
| سال انتشار | 2018 |
| تعداد صفحات انگلیسی | 10صفحه |
| تعداد صفحات فارسی | 20صفحه |
| تعداد کلمات | 5000 |
ترجمه تخصصی چکیده مقاله
روش‌های تخمین عمق تک-نمایی مبتنی بر یادگیری، اخیراً نتایج امیدوارکننده‌ای را به دست داده‌اند. با این حال، این روش‌ها یکی از مهم‌ترین ویژگی‌ها برای تعیین عمق در سیستم بصری انسان، یعنی حرکت، را نادیده می‌گیرند. ما یک روش برآورد مسافت و نقشه عمق متراکم چندنمایی را ارائه می‌کنیم که از شبکه‌های عصبی بازگشتی (RNN) استفاده می‌کند و با به‌کارگیری تصویرسازی مجدد چندنمایی و اتلاف¬های هم‌بستگی جریان پیشرو-پسرو، آموزش می‌بیند. مدل ما می‌تواند در حالت نظارتی و حتی غیرنظارتی آموزش ببیند. این مدل برای برآورد مسافت بصری و عمق از ویدئویی که فریم‌های ورودی آن به لحاظ زمانی هم‌بستگی دارند، طراحی شده است. با این حال، این مدل به برآورد عمق تک¬نمایی نیز تعمیم یافته است. روش ما نتایج بهتری را نسبت به روش‌های موجود برای برآورد عمق مبتنی بر یادگیری تک و چندنمایی در مجموعه داده رانندگی KITTI به دست می‌دهد.
آیا خرید این مقاله به صرفه است؟ بله. چون اگر بخواهید این مقاله را به عنوان یک سفارش در سایت فست مترجم ثبت نمایید تا ترجمه شود، هزینه ترجمه آن 1,250,000 تومان است . اما با خرید آن از فروشگاه فست مترجم، بیش از 85 درصد تخفیف گرفته اید.
سایر مقالات ترجمه شده رشته کامپیوتر
کاوش نظرات داده های توییتر مبتنی بر عامل نفوذ با استفاده از یادگیری نظارتی
تجزیه و تحلیل طرح رمز نگاری شاخص و پایگاه داده – مشکلات و راه حل آنها
