網(wǎng)站建站收費(fèi),2015年做那個(gè)網(wǎng)站致富,做類似360手賺那樣的網(wǎng)站,微信營銷方式到最近幾年#xff0c;動(dòng)態(tài)場景的處理才變成可能#xff0c;這也是本文的一個(gè)亮點(diǎn)之一#xff0c;當(dāng)然你要說這篇論文有多創(chuàng)新那也算不上#xff0c;估計(jì)這樣的論文放到CVPR大概率不會(huì)被收納#xff0c;因?yàn)閺膶W(xué)術(shù)研究的角度看#xff0c;這篇論文還不夠新穎#xff0c;…到最近幾年動(dòng)態(tài)場景的處理才變成可能這也是本文的一個(gè)亮點(diǎn)之一當(dāng)然你要說這篇論文有多創(chuàng)新那也算不上估計(jì)這樣的論文放到CVPR大概率不會(huì)被收納因?yàn)閺膶W(xué)術(shù)研究的角度看這篇論文還不夠新穎那這里為什么著重介紹這篇論文那因?yàn)樗趯?shí)際項(xiàng)目運(yùn)用上很有價(jià)值。我們常常會(huì)看到很多新技術(shù)在研究領(lǐng)域獲得了很高的評(píng)價(jià)但在實(shí)際項(xiàng)目中卻乏人問津。這實(shí)際上是科學(xué)研究和實(shí)際項(xiàng)目遵循兩套完全不同的哲學(xué)?？茖W(xué)研究強(qiáng)調(diào)新穎性創(chuàng)新性而不強(qiáng)調(diào)實(shí)用價(jià)值實(shí)際項(xiàng)目則常常只有有限的資源和條件創(chuàng)新的技術(shù)需要做出很多取舍。在這個(gè)到處都在鼓吹“算力”的年代新技術(shù)不使用GPU多少有點(diǎn)另類但這也突出了這個(gè)論文在非常有限的硬件條件下做出了不錯(cuò)的效果這也是我非常喜歡這篇論文的原因。下面講解這篇論文如何實(shí)現(xiàn)在不使用GPU的情況下處理動(dòng)態(tài)場景的問題。3論文主要通過兩個(gè)方面實(shí)現(xiàn)上述目的第一關(guān)于動(dòng)態(tài)場景部分遮罩的生成因?yàn)檎撐氖褂肶OLO模型進(jìn)行動(dòng)態(tài)物體的識(shí)別這是個(gè)相對(duì)比較耗時(shí)的操作所以這里使用上一幀生成的動(dòng)態(tài)物體的包圍盒避免每一幀都進(jìn)行YOLO計(jì)算帶來的資源消耗。第二在做相機(jī)跟蹤的時(shí)候?qū)τ诜顷P(guān)鍵楨采用光流的方法而對(duì)于關(guān)鍵楨使用ORB特征點(diǎn)的方式進(jìn)行計(jì)算這樣可以減少計(jì)算量并且有很好的魯棒性。4如圖所示在DETECTION階段YOLO模型生產(chǎn)動(dòng)態(tài)物體的包圍盒在SEGMENTATION階段利用深度信息對(duì)包圍盒進(jìn)行細(xì)化的分割SAMPLING對(duì)于分割的區(qū)域進(jìn)行15*15的點(diǎn)提取TRACKING則使用Lucas-Kanade光流法對(duì)這些特征點(diǎn)進(jìn)行跟蹤C(jī)LUSTERING對(duì)outlier進(jìn)行剔除最后一步PREDICTION完成遮罩的預(yù)測。5對(duì)比光流法和ORB特征跟蹤法的區(qū)別。對(duì)于上一幀沒出現(xiàn)而當(dāng)前幀出現(xiàn)的動(dòng)態(tài)人物ORB不能正確的識(shí)別。最后談一下該論文的一些限制。論文在計(jì)算遮罩的時(shí)候需要用到深度信息所以使用的圖片源為RGB-D這就需要對(duì)于單目相機(jī)或者立體