ITPub博客

在挑选手机时，手机摄像头往往是我们考虑的重要因素之一，但目前很多手机拍出来的照片效果不尽如人意。如何用深度学习的方法美化照片？ George Seif 发表了一篇文章，是关于如何自动增强低质量相机拍摄的照片，大家快来实战吧~

如今，深度学习是很好的方法。大规模数据集和 CNN 特征表达能力使得模型的效果更加准确和鲁棒。Mask-RCNN进行对象检测和实例分割现在，只有一个问题：如何设计你的模型呢？

FAIR何恺明团队最新论文提出“全景FPN”，聚焦于图像的全景分割任务，将分别用于语义分割和实例分割的FCN和Mask R-CNN结合起来，设计了Panoptic FPN。该方法可能成为全景分割研究的强大baseline。

SLAM是“Simultaneous Localization And Mapping”的缩写，可译为同步定位与建图。概率 SLAM 问题 (the probabilistic SLAM problem) 起源于 1986 年的IEEE Robotics and Automation Conference 大会上，研究人员希望能将估计理论方法 (estimation-theoretic methods) 应用在构图和定位问题中。 SLAM最早被应用在机器人领域，其目标是在没有任何先验知识的情况下，根据传感器数据实时构建周围环境地图，同时根据这个地图推测自身的定位[1]。