本目录基于《概念解析》专栏已发布的文章分类整理生成,包含无线感知、计算机视觉、深度学习等多个技术主题。
该专栏旨在结合前沿论文,为读者提供无线感知、人工智能(AI)、信号处理等领域相关概念的简明扼要的解释和介绍,致力于简洁清晰地解释、辨析复杂而专业的概念。通过对专业术语和前沿技术的通俗解读,帮助读者快速理解复杂概念的内在原理和机制,把握行业发展方向。
目录更新日期:20231012
1 无线感知相关
1.1 雷达
认知雷达
- 概念解析 | 认知雷达:有大脑的雷达
- 概念解析 | 认知媒介战:重塑信息战争的新纪元
雷达成像
- 概念解析 | 雷达层析成像:探索隐形世界的新视角
- 简要介绍 | 雷达穿墙成像及其应用场景
MIMO
- 概念解析 | 利用MIMO雷达技术实现高性能目标检测的关键技术解析
- 概念解析 | MIMO雷达中正交波形设计的概述
SAR
- 概念解析 | 合成孔径雷达在海洋动力学研究中的应用
- 概念解析 | 合成孔径雷达中运动补偿与自聚焦的关系
- 概念辨析 | SAR运动补偿和自聚焦技术:深入探索雷达图像
- 概念解析 | 多维度合成孔径雷达成像概念解析
DOA估计
- 概念解析 | 利用IAA迭代自适应方法实现高精度角度估计
1.2 通感一体化
- 概念解析 | UniScatters:一种基于超宽带元材料的毫米波回波标签
- 简要介绍 | 通信感知一体化:探索信息与通信技术的新边界
- 简要介绍 | 智能反射面在无线感知中的应用
1.3 网络 / IoT / 云计算
- 概念解析 | 无线感知的新篇章:异构网络感知的原理与挑战
- 概念解析 | 无线智能空口:打造下一代无线通讯网络的关键技术
- 概念解析 | 端边云协同智能计算
- 简要介绍 | 边缘计算:原理,研究现状与未来展望
1.4 量子感知
- 概念解析 | 量子时代的灵感:探索量子感知技术
1.5 生理感知
- 简要介绍 | 心脏机械-电耦合理论:原理、研究现状与未来展望
1.6 信号处理
- 简要介绍 | 巴特沃斯滤波器:理论与应用
- 简要介绍 | 快速傅里叶变换:从原理到应用
- 简要介绍 | 多传感器融合中的卡尔曼滤波
2 High-level视觉相关
2.1 自动驾驶 / 机器人 感知
- 概念解析 | 自动驾驶中的Corner Case剖析: 分类、处理方法和挑战
- 概念解析 | 非极大值抑制(NMS):原理、缺点和改进
- 概念解析 | AutoFed:面向异构数据的联邦多模态自动驾驶的学习框架
- 简要介绍 | 航行家的视觉:理解Odometry, Relocalization和SLAM的区别与联系
2.2 医学图像处理
- 概念解析 | U-Net:医学图像分割的强大工具
2.3 点云处理
- 概念解析 | PointNet概述
- 简要介绍 | 两阶段点云目标检测:理论与实践
- 简要介绍 | 大规模三维场景理解:从点云到智能导航
- 简要介绍 | 点云距离度量:从原理到应用
- 简要介绍 | 三维点云配准:理论、方法与挑战
2.4 身份识别
- 简要介绍 | 走向自然的身份认证:步态识别技术简介
- 简要介绍 | 行人重识别 Person Re-identification
2.5 光流估计
- 简要介绍 | 光流估计:原理与实践
2.6 姿态估计
- 简要介绍 | 基于深度学习的姿态估计技术
2.7 OOD
- 简要介绍 | 计算机视觉中的开放词汇:挑战与未来
- 简要介绍 | OOD目标检测:背景,研究现状,挑战和未来
3 Low-level视觉相关
3.1 非视距(NLOS)成像
- 概念解析 | 虚拟镜面:超越三次反射的非视线成像
3.2 3D重建
- 概念解析 | 生成式与判别式模型在低级图像恢复与点云重建中的角力:一场较量与可能性探索
- 简要介绍 | 单目深度估计
3.3 生成模型
- 简要介绍 | 生成模型的演进:从自编码器(AE)到变分自编码器(VAE)和生成对抗网络(GAN),再到扩散模型
- 简要介绍 | 自编码器:神经网络中的自我复制艺术
- 简要介绍 | 基于Diffusion model的图像生成和重建
3.4 图像形态学处理
- 简要介绍 | 基于Python的图像形态学处理概述
4 机器学习 / 深度学习 理论
4.1 基础概念
- 简要介绍 | Backbone与Baseline的区别
- 简要介绍 | 交叉熵损失:原理和研究现状
- 简要介绍 | 深度学习中的自注意力机制:原理与挑战
4.2 优化理论
- 概念解析 | 解码ADMM:交替方向乘子法的原理、应用与前景
- 概念解析| 压缩感知:在稀疏的世界中寻找完整的信息
- 概念解析 | 长尾分布:从无处不在的‘少数派’中挖掘价值
- 概念解析 | 隐式神经表示:揭开神经网络黑盒的奥秘
4.3. 神经符号
- 简要介绍 | 融合深度学习与符号逻辑:神经符号结合的探索
4.4 多模态/跨模态学习
- 简要介绍 | 解析模态之间的联系:跨模态学习与多模态学习的区别和联系
4.5 元学习
- 简要介绍 | 元学习:学会学习的新途径
4.6 NeRF
- 简要介绍 | 神经辐射场(NeRF):原理、挑战与未来展望
4.7 知识蒸馏
- 概念解析 | 知识蒸馏(Knowledge Distillation)
- 简要介绍 | 知识蒸馏:轻量级模型的智慧之源
4.8 无监督 / 自监督 学习
- 简要介绍 | 图像聚类:概念、原理与方法
- 简要介绍 | 自监督学习:挖掘数据内在价值的新兴方法
4.9 CUDA
- 简要介绍 | CUDA底层原理:加速高性能计算的关键技术
4.10 量子机器学习
- 概念解析 | 量子机器学习:将量子力学与人工智能的奇妙融合
5 大模型
- CLIP和BLIP的区别 概念解析 | 揭秘视觉与语言交叉模型:CLIP和BLIP的介绍
- 生成式智能体 ACM UIST 2023 | Generative Agents: Interactive Simulacra of Human Behavior
- 概念解析 | ChatGPT技术概览
- 简要介绍 | 自回归生成:探索序列的未来之旅
6 其他
- 概念解析 | 无人机集群形状与轨迹建模: 集群舞蹈的艺术