CFPNet improves depth completion accuracy in areas outside the limited range of lightweight ToF sensors by employing two novel feature propagation modules: DAPM (direct-attention-based) and LKPM (large-kernel-based), enabling more effective utilization of depth information from within the sensor's field of view.
本文評測比較了 YOLOv5、YOLOv6、YOLOv7 和 YOLOv8 四種模型在 COCO-Bridge-2021+ 資料集上的效能,發現 YOLOv8n、YOLOv7tiny、YOLOv6m 和 YOLOv6m6 在準確度和推理時間之間取得了最佳平衡,適合應用於無人機橋樑檢測。
드론 기반 교량 검사의 자동화를 위해 다양한 YOLO 모델의 성능을 비교 분석한 결과, 정확도와 처리 속도 측면에서 YOLOv8n, YOLOv7tiny, YOLOv6m, YOLOv6m6 모델이 최적의 균형을 제공하는 것으로 나타났습니다.
本稿では、UAVを用いた橋梁点検において、処理速度と精度のバランスに優れた深層学習モデルを特定することを目的とし、最新のYOLO系モデルのベンチマーク分析を行った結果、YOLOv8n、YOLOv7tiny、YOLOv6m、YOLOv6m6が最適なモデルとして選定された。
This research benchmarks four YOLO deep learning model variants (YOLOv5, YOLOv6, YOLOv7, YOLOv8) for bridge component detection using the COCO-Bridge-2021+ dataset, identifying YOLOv8n, YOLOv7tiny, YOLOv6m, and YOLOv6m6 as offering the best balance between accuracy and processing speed for potential use in UAV-based bridge inspection systems.
FreeCap 是一種新穎的混合無需校準方法,它結合了單個 LiDAR 和可擴展移動相機的優勢,能夠在開放環境中準確捕捉全局多人運動。
단일 LiDAR와 확장 가능한 이동 카메라를 결합한 새로운 하이브리드 캘리브레이션 없는 모션 캡처 시스템인 FreeCap을 통해 개방 환경에서 여러 사람의 움직임을 정확하게 포착할 수 있습니다.
本稿では、単一のLiDARと拡張可能な移動カメラを組み合わせた、オープン環境においてキャリブレーションフリーで正確なマルチパーソンモーションキャプチャを実現する、FreeCapと呼ばれる新しいハイブリッド手法を提案する。
FreeCap is a novel hybrid system that leverages a single LiDAR and multiple moving cameras to achieve accurate and calibration-free multi-person motion capture in open environments.
本論文提出了一種名為 MIRE 的演算法,用於校正非製冷紅外線影像中的非均勻性問題,該方法基於圖像直方圖均衡化技術,具有高效、即時且無需場景資訊等優點。