深度学习在物体位姿测量方面的应用 | 公开课

分享背景

▼

位姿测量是许多空间任务的基础，也是移动机器人移动的前提，其重要性不必多言。传统的位姿测量方法已经发展了几十年，硕果累累但也受到越来越成熟的限制，随着深度学习的兴起，位姿测量领域出现了很多惊艳的方法，本期嘉宾将分享的就是这些还年轻但是很有意思的位姿测量方法。

分享主题

▼

深度学习在物体位姿测量方面的应用

分享提纲

▼

1.传统位姿测量方法的分类与挑战

2.基于学习的位姿测量方法分类与评价

2.1基于稀疏特征的方法

2.2基于稠密图像块的方法

2.3基于模板匹配的方法

3.基于深度学习的物体位姿测量网络讲解与应用（描述子网络）

3.1数据

3.2网络

3.3优化

3.4求解

3.5实验分析

分享人简介

▼

张欢，曾带队参加MBZIRC第一届世界无人机大赛。北京航空航天大学模式识别与智能系统硕士在读，主要研究方向为计算机视觉，利用深度学习进行非合作目标位姿测量方面。

分享时间

▼

北京时间12月5日（周二）20:00

（若错过直播，回放需收费）

参与方式

▼

扫描海报二维码添加社长微信，备注「张欢」

如何选择机器学习模型？

如何提高选择算法的能力？

对于算法能力应该从哪块开始抓起？

欢迎报名算法进阶课程

算法推导+实操

双倍告诉你

▼▼▼  

公开课精彩往期回顾

复旦Ph.D沈志强：用于目标检测的DSOD模型（ICCV 2017）

极限元刘斌：深度学习在语音生成问题上的典型应用

搜狗文仕学：基于深度学习的语音分离

Video ++孙兆民：视频内容识别行业分析

悉尼科大王超岳：基于生成对抗网络的图像编辑方法

达观数据张健：文本分类方法和应用案例

清华Ph.D王书浩：基于深度学习的电商交易欺诈检测系统

Twitter工程师王东：详解YOLO2与YOLO9000目标检测系统

Kaggle比赛金牌团队：图像比赛的通用套路有哪些？

宜远智能刘凯：显著降低模型训练成本的主动增量学习

点击阅读原文，立即报名

▼▼▼