色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

為什么目前落地的主流SLAM技術很少用神經網絡進行特征提取?

新機器視覺 ? 來源:知乎 ? 2023-05-19 10:25 ? 次閱讀

8a05c3f2-f5b6-11ed-90ce-dac502259ad0.png

SLAM目前在各領域都已經有很多的應用,但為什么大部分已經落地的都用的還是最傳統的方法,比如目前最主流的ORB-SLAM,即使到ORB3也依舊用的是傳統的FAST和BRIEF方法來檢測和提取特征點,而不用CV領域里早已經普遍的神經網絡如VGG等來提取特征點。當然最新的很多語義SLAM論文里都已經用到了如GCN等神經網絡提取特征,但為什么目前落地和應用的大部分還用的是傳統的方法?提取速度和所需算力應該不會有太大差異才是?*

作者:心態炸裂男孩

談一下個人看法,可能不對。

首先slam是一個偏工程化的應用技術。因此算力成本是一個非常重要的因素。傳統的特征提取速度快,算力成本低,可以在cpu運行。如果利用深度學習特征提取,算力包括gpu,深度學習特征帶來的額外CPU和內存成本。問題是傳統方法特征提取已經能滿足大部分場景了。

深度學習提取的特征就一定好?顯然不是的。因為數據集的原因,利用深度學習訓練出的特征子適用性并不一定好。貌似網上有一篇論文,利用orbslam框架,對比了orb和superpoint的效果。發現有幾組superpoint效果確實好,但是有幾個序列視頻利用superpoint的slam直接track lost.這就表現的不好了。

因此在大多數場景下,傳統特征可以解決。利用深度學習特征就顯得畫蛇添足了,沒有必要。當然在某些場景利用傳統特征就不可行。如光照變化劇烈,相機運動劇烈等場景。在long term slam這個話題下,深度學習特征效果明顯。

slam方法不僅僅是為了定位,個人覺得slam終極目的是復用地圖。顯然長時間定位這塊大部分人的目光都是投入到深度學習特征上,去superpoints.r2d2特征。畢竟長時間定位會有時間,天氣,光照,動態物體變化,傳統方法根本就不能解決。而深度學習特征卻可以保證長時間定位的準確度。

所以個人看法,雖然深度學習特征雖然用的不多。但未來基于深度學習特征slam會越來越多。

作者:余世杰

其他答主都說了好多了,算力問題以及提升率啥的。

我個人是覺得還有個原因是,特征匹配在視覺SLAM中的重要性沒有到夸張的地步,在傳統算法情況下,有一定的錯誤匹配也能得到較好的結果,前端重要的同時,后端更加重要。

那么多SLAM算法,前端都大同小異,而且幀之間的位姿變換好多都是先用勻速模型做初始值,去適配優化,實在不行再進行特征點的匹配求位姿。真正區別還是關鍵幀的處理,強調運動的整體性,而不是兩張圖之間單純的匹配精度。

這是我個人的觀點,有不對的還請大佬指正。

--以上來自2020年9月,回過頭2023年5月自己使用測試過之后發現,目前的特征提取依賴性并不強,傳統的也能做得比較好,反而神經網絡的提取穩定性和重復性可能不夠強。

但是對描述子的計算和匹配上,還是有一定參考性,更實用,感興趣的朋友可以自己也測試看看

作者:劉國慶

談談我的看法吧,不一定正確,僅供參考:

1、算力和功耗問題,背后也是成本問題,也是最致命的問題。即使是TX2這類面向嵌入式的GPU,耗電和成本也非常可觀……FPGA硬件實現網絡,或者做訂制ASIC可以同時解決算力和功耗問題,不過貌似學術界貌似認為這些不是它們應該解決的問題,而且結果復現嚴重依賴硬件,不太爽。算力相對受限這一點也是我個人做東西沒有用基于學習的特征的原因。

另對于題主所言“提取速度和所需算力不會有太大差異”,請問是使用哪一種特征提取網絡,又是和哪一種傳統特征提取算法,在何種計算平臺進行的對比測試所得到的結論呢?我沒做過詳細的耗時和算力需求對比,但是我還是對該結論有點懷疑。

2、夠用就好,盲目追求高精度在落地應用方面是不可取的。好比Nvidia RTX 20系顯卡,2080Ti價格比2080S提高了接近一倍,性能提升只有20%~30%,對于成本敏感的落地應用而言,你會做這個交易嗎?何況2080s算力本身也不算差。

3、應該有正在推進中的落地應用,只是涉及到商業機密,你我不知道罷了。

原文鏈接:https://www.zhihu.com/question/419264201/answer/1467534631

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 神經網絡
    +關注

    關注

    42

    文章

    4771

    瀏覽量

    100720
  • SLAM
    +關注

    關注

    23

    文章

    423

    瀏覽量

    31824
  • 深度學習
    +關注

    關注

    73

    文章

    5500

    瀏覽量

    121117

原文標題:為什么目前落地的主流SLAM技術很少用神經網絡進行特征提取?

文章出處:【微信號:vision263com,微信公眾號:新機器視覺】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    基于LSTM神經網絡的情感分析方法

    能力而受到廣泛關注。 1. 引言 情感分析在商業智能、客戶服務、社交媒體監控等領域具有廣泛的應用。傳統的情感分析方法依賴于手工特征提取和機器學習算法,但這些方法往往難以處理文本中的長距離依賴關系。LSTM作為一種循環神經網絡
    的頭像 發表于 11-13 10:15 ?476次閱讀

    卷積神經網絡的應用場景及優缺點

    1.1 卷積神經網絡的定義 卷積神經網絡是一種深度學習模型,它通過模擬人類視覺系統的工作方式,對輸入數據進行特征提取和分類。與傳統的神經網絡
    的頭像 發表于 07-11 14:45 ?704次閱讀

    BP神經網絡在語言特征信號分類中的應用

    Network),即反向傳播神經網絡,作為一種強大的多層前饋神經網絡,憑借其優異的非線性映射能力和高效的學習機制,在語言特征信號分類中展現出了巨大的潛力。本文將從BP神經網絡的基本原
    的頭像 發表于 07-10 15:44 ?392次閱讀

    深度神經網絡與基本神經網絡的區別

    在探討深度神經網絡(Deep Neural Networks, DNNs)與基本神經網絡(通常指傳統神經網絡或前向神經網絡)的區別時,我們需要從多個維度
    的頭像 發表于 07-04 13:20 ?843次閱讀

    如何設計人臉識別的神經網絡

    識別技術主要分為兩個步驟:人臉檢測和人臉特征提取。人臉檢測是指在圖像中定位出人臉的位置和大小,人臉特征提取是指從人臉圖像中提取出能夠表征人臉特征
    的頭像 發表于 07-04 09:20 ?647次閱讀

    卷積神經網絡的實現原理

    、訓練過程以及應用場景。 卷積神經網絡的基本原理 1.1 卷積操作 卷積神經網絡的核心是卷積操作。卷積操作是一種數學運算,用于提取輸入數據的特征。在圖像處理中,卷積操作通常用于
    的頭像 發表于 07-03 10:49 ?541次閱讀

    如何使用神經網絡進行建模和預測

    神經網絡是一種強大的機器學習技術,可以用于建模和預測變量之間的關系。 神經網絡的基本概念 神經網絡是一種受人腦啟發的計算模型,由大量的節點(神經
    的頭像 發表于 07-03 10:23 ?739次閱讀

    卷積神經網絡的基本結構和工作原理

    和工作原理。 1. 引言 在深度學習領域,卷積神經網絡是一種非常重要的模型。它通過模擬人類視覺系統,能夠自動學習圖像中的特征,從而實現對圖像的識別和分類。與傳統的機器學習方法相比,CNN具有更強的特征提取能力,能夠處理更復雜的數
    的頭像 發表于 07-03 09:38 ?598次閱讀

    卷積神經網絡訓練的是什么

    、訓練過程以及應用場景。 1. 卷積神經網絡的基本概念 1.1 卷積神經網絡的定義 卷積神經網絡是一種前饋深度學習模型,其核心思想是利用卷積操作提取輸入數據的局部
    的頭像 發表于 07-03 09:15 ?403次閱讀

    卷積神經網絡的原理與實現

    核心思想是通過卷積操作提取輸入數據的特征。與傳統的神經網絡不同,卷積神經網絡具有參數共享和局部連接的特點,這使得其在處理圖像等高維數據時具有更高的效率和更好的性能。 卷積層 卷積層是卷
    的頭像 發表于 07-02 16:47 ?566次閱讀

    卷積神經網絡的基本結構及其功能

    。 引言 深度學習是機器學習的一個分支,它通過模擬人腦神經網絡的結構和功能,實現對數據的自動學習和特征提取。卷積神經網絡是深度學習中的一種重要模型,它通過卷積操作和池化操作,有效地提取
    的頭像 發表于 07-02 14:45 ?1574次閱讀

    神經網絡在圖像識別中的應用

    隨著人工智能技術的飛速發展,神經網絡在圖像識別領域的應用日益廣泛。神經網絡以其強大的特征提取和分類能力,為圖像識別帶來了革命性的進步。本文將詳細介紹
    的頭像 發表于 07-01 14:19 ?672次閱讀

    基于毫米波雷達的手勢識別神經網絡

    方面的高精度。這一成功可以歸因于訓練數據和測試數據之間的特征相似性。總之,這些結果證實了我們提出的神經網絡模型在提取相關運動特征進行魯棒手
    發表于 05-23 12:12

    咳嗽檢測深度神經網絡算法

    哮喘、支氣管炎和百日咳發生時的咳嗽音頻信號的方法。在此,使用巴特沃斯高通濾波器進行預處理,并使用MFCC進行特征提取。此外,使用咳嗽特征的訓練數據集,使用改進的CNN完成了咳嗽聲音的分
    發表于 05-15 19:05

    基于胎心儀的胎兒心臟診斷神經網絡

    ,然后使用卷積神經網絡(CNN)并行處理 數據。最后,我們采用投票的方式來確定胎心率記錄 的類別。我們還做了對比實驗,采用基于基礎統計的 特征提取方法來提取胎心率的特征。然后將這些
    發表于 05-14 18:47
    主站蜘蛛池模板: 婷婷五月久久丁香国产综合| 欧美人与动牲交ZOOZ特| 久久久久久久久女黄| 乱精品一区字幕二区| 暖暖高清视频免费| 日本精油按摩| 无套日出白浆在线播放| 亚洲国产综合另类视频| 真实伦 乱| 苍老师刺激的120分钟| 国产精品美女久久久久浪潮AV | WWWXXXX兽交| 国产电影午夜成年免费视频| 国语精彩对白2021| 狼人无码伊人AV啪啪| 日本无码免费久久久精品| 亚在线观看免费视频入口| 在线a视频| 超碰97 总站 中文字幕| 国产日韩亚洲专区无码| 美女的jj| 丝袜情趣在线资源二区| 与嫂子同居的日子在线观看| yellow片高清视频免费看| 国产人妻人伦精品久久久| 猫咪最新破解版下载| 丝瓜视频在线免费| 中国大陆一级毛片免费| 成人在线免费观看| 久久99国产视频| 日本黄色www| 夜色帮首页| 帝王被大臣们调教高肉| 精品国产在线国语视频| 日本一本道高清码v| 一一本之道高清手机在线观看| YY8848高清私人影院| 九色PORNY真实丨国产大胸| 热99RE久久精品国产| 伊人久久大香线蕉综合电影网 | 国产美熟女乱又伦AV|