首页 > 其他 > 详细

VALSE2019总结(4)-主题报告

时间:2019-05-18 12:33:18      阅读:208      评论:0      收藏:0      [点我收藏+]

4. 主题报告

4.1 无人驾驶的环境感知与理解 (jian yang, NJUST)

  1. outline

    • 无人驾驶发展简介
      • 遥控驾驶,自主驾驶,南理工无人车,
    • 行车环境视觉感知与理解 (具体介绍贴图片)
      • 阴影检测与去除
      • 车道线检测
      • 行人检测与姿态估计
      • 场景分割与深度估计
  2. 具体,如图

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

  3. https://blog.csdn.net/qq_15698613/article/details/89303060

4.2:Learning to track and segment objects in videos

  • 很迷的一个报告,没啥干货

4.3 AI破晓——机遇与挑战 (陶大程)

  • 没听

4.4 深度学习处理器 (陈云ji)

  • 没意思,贴图待定

4.5 基于知识驱动的行为理解

  1. outline

    • knowledge engine - a possible direction: HAKE
    • pose - open the door of activity understanding: Alphapose, Crowdpose
    • sequence modeling: Deep RNN: semi-couple prociple
    • summary
  2. why activity understanding is difficult ?

    • huge semantic Noise (compare to object recognition)
    • Long-tail distribution, few-shot problem (DL fails)
    • 结论:pose is not enough, we need konwledge pose
  3. Human activity konwledge engine (HAKE)

    • to see/parse/understand the activity
    • knowledge engine construction: 见图片
    • reasoning via part states(HAKE): 见图片
    • human-object interaction
      • 见图片,几个 HOI Dataset 有:AVA, ActivityNet, Kinetics
    • conclusion:
      • activity data is semantically noisy
      • knowledge at body part can help to denote
      • HAKE:
      • HAKE based Two-stage paradigm,见图片
  4. pose - open the door of activity understanding: Alphapose, Crowdpose

    • 没记录
  5. sequence modeling: Deep RNN: semi-couple prociple

    • 没记录
  6. summary

    • 没记录,等他主页公布PPT吧
  7. 部分图片,

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

    技术分享图片

4.6 人工智能与未来出行

  • 没学术性,贴图待定

4.7 计算机视觉的下一步:迈向大AI (罗杰波)

  • 没注意,贴图待定

4.8 梯度之谜 (孟德宇)

  1. issue
    • limitations of model-driven methodology
      • generally with nonconvex model
      • only fit one unsupervised image
      • slow prediction speed
    • limitations of data-driven methodology
      • require supervised-data
      • black box issue: interpretability
      • network parameters/structure are hard/easy to be designed
  2. 从梯度角度思考,解决上述问题
  3. 贴图片,有一些论文

VALSE2019总结(4)-主题报告

原文:https://www.cnblogs.com/LS1314/p/10885105.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!