GoogleLandmarkRetrival比赛总结复盘

​ 本人目前研究方向是基于深度学习的视觉定位导航,在image retrival方向也有所了解,所以本着重在参与的心态,参加了Google Landmark retrival 2020这次比赛。比赛结果意料之中,成绩不是很理想,但是在比赛的过程中,我也学到了很多有用的技巧。本文做一下总结及复盘。

初探GNN&SuperGLue阅读笔记

20年视觉定位比赛屠榜算法,基于图注意力网络的特征点匹配算法

DELG论文精度笔记

google团队的又一力作,太强了

GeM论文笔记

《Fine-tuning CNN Image Retrieval with No Human Annotation》是2018年初发表在cs.CV上的论文——使用CNN精调技术实现无标注的图片检索。论文的作者之一Giorgos Tolias,也是R-MAC论文的作者。

retrival任务中几种常见的loss总结--修复版

鄙人在上篇博文使用了大量公式,花了很多功夫,却意外的出现了文章显示错误的问题。迫于无奈,增加了本篇修复版,本文是上篇博文的截图版。但直接使用截图会使链接、目录等无法跳转,故保留了上一篇以供参考。

retrival任务中几种常见的loss总结

​ 在image retrival任务中,近几年人脸重识别方向的算法提出了一些表现很好loss函数,已经被推广到其他任务中使用,本文将对这些函数做下记录

HfNet论文阅读笔记

HfNet最近在数据集上表现良好的视觉定位算法,在此做个备忘。

梳理旋转矩阵,欧拉角,四元数,旋转向量和齐次变换矩阵

​ 这几个名词都是用来描述一个物体的位置和姿态的。它们之间可以相互转化,而且各有各的优点与缺点。我们先把这几个名词之间的联系理清楚,然后再解释他们各自适合的领域以及为何需要它们。

论文回顾之LOAM

​ 刚刚看完LOAM的论文和代码,算是正式入坑了激光slam,但是不得不说LOAM的原版代码写的可读性实在是很差,硬着头皮看完,捋清思路,就赶紧看了A-LOAM(是LOAM的封装易读版)。不得不说,港科的团队代码写的确实很好,本篇文章主要记录一下LOAM(A-LOAM)的思路和流程,作为备忘。

从初始化BA开始的三维重建总结笔记

开坑待填

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×