sparse-to-dense
ICRA 2018 "Sparse-to-Dense : Prédiction de Profondeur à Partir d'Échantillons de Profondeur Épars et d'une Image Unique" (Implémentation Torch)
Entraînez et testez des modèles pour prédire la profondeur à partir de données et d'images éparses en utilisant des techniques d'apprentissage profond.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentICRA 2018 "Sparse-to-Dense : Prédiction de Profondeur à Partir d'Échantillons de Profondeur Épars et d'une Image Unique" (Implémentation Torch)
sparse-to-dense compte 444 étoiles sur GitHub. Il a été forké 95 fois. sparse-to-dense est écrit principalement en Lua. Il est développé activement depuis 2017. Ses principaux thèmes sont : computer-vision, deep-learning, depth-completion, depth-estimation.
Qu'est-ce que sparse-to-dense ?
ICRA 2018 "Sparse-to-Dense : Prédiction de Profondeur à Partir d'Échantillons de Profondeur Épars et d'une Image Unique" (Implémentation Torch)
sparse-to-dense est-il open source ?
sparse-to-dense est un projet open source.
sparse-to-dense est-il gratuit ?
Oui. sparse-to-dense est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Dans quel langage sparse-to-dense est-il écrit ?
sparse-to-dense est écrit principalement en Lua.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/fangchangma-sparse-to-dense.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.