基于空基全景拍攝技術(shù)的“天眼”VR+系統(tǒng)
對于全景拍攝來說,由于拍攝的角度多,所以相機數(shù)量多,整體重量重,并且相機視角不能被遮擋。但是現(xiàn)有的商品級云臺只有前向角度可以收錄景色,無法滿足全景拍攝活動要求。團(tuán)隊另起爐灶,云臺設(shè)計從零開始,經(jīng)過了五次重大的改進(jìn)才實現(xiàn)了高清全景相機的穩(wěn)定拍攝。隨后團(tuán)隊又著手解決拼接算法問題,以SURF算法為主體設(shè)計新的全景視頻處理系統(tǒng),經(jīng)歷了多次失敗后終于實現(xiàn)了拼接的高效運行。后期豐富系統(tǒng)組成,增加了整體畫面的自動優(yōu)化環(huán)節(jié),增強觀賞性。
一種無舵面控制的輕型仿生蝴蝶
團(tuán)隊分為控制小組和機械設(shè)計小組??刂菩〗M在現(xiàn)有理論基礎(chǔ)下編寫和調(diào)試伺服電機控制程序。機械設(shè)計小組單人制作成對翅膀即需要近半天時間,為解決兩翅不對稱的關(guān)鍵問題,團(tuán)隊設(shè)計模具來固定蝴蝶碳纖維輪廓。
基于GIS系統(tǒng)的垃圾焚燒廠生態(tài)選址分析
Improve Saliency Prediction by DNNs
“Improve Saliency Prediction by DNNs”項目由黃勛、林珣玙、仇棟民
圖像顯著性預(yù)測的目的是理解并預(yù)測一幅圖像中吸引注意力的部分。目前的工作雖取得了一定進(jìn)展,但現(xiàn)有模型卻遠(yuǎn)無法接近人類的真正表現(xiàn)。團(tuán)隊認(rèn)為這是當(dāng)前的模型無法從圖片中提取描述能力強、高層次的語義信息而產(chǎn)生的語義缺失所導(dǎo)致的。文中團(tuán)隊提出的新框架利用深度神經(jīng)網(wǎng)絡(luò)增強了模型的語義描述能力,并且其在圖像顯著性預(yù)測這一問題上的表現(xiàn)遠(yuǎn)遠(yuǎn)超過了當(dāng)今所有主流算法。該論文已被計算機視覺領(lǐng)域頂級會議ICCV2015收錄。