机构名称：
¥ 1.0
摘要 - 近年来，人们对在轨道内运营（例如更新，停靠和接近操作）的自主权的需求不断增长，从而导致人们对采用深度学习的飞船姿势估计技术产生了兴趣。但是，由于对实际目标数据集的访问有限，算法通常是使用合成数据训练并应用于真实域中的，因此由于域间隙而导致性能下降。最新方法采用域适应技术来减轻此问题。在搜索可行解决方案中，过去探索了事件感应，并显示出可减少模拟和现实世界情景之间的域间隙。事件传感器近年来在硬件和软件方面取得了重大进步。此外，与RGB传感器相比，事件传感器的特性在空间应用中具有多个优势。为了促进基于DL的模型的进一步培训和评估，我们介绍了一个新的数据集，包括在受控的实验室环境中获得的真实事件数据，并使用相同的摄像机内在系统模拟了事件数据。fur-hoverore，我们引入了一个基于图像的事件表示形式，该表示的性能优于现有表示形式。此外，我们提出了一种有效的数据过滤方法，以提高培训数据的质量，从而提高模型性能。使用不同的事件表示，事件过滤策略和算法框架进行了多方面的基线评估，并总结了结果。数据集将在http://cvi2.uni.lu/spades上提供。
黑桃：使用事件传感
主要关键词
相关文件推荐
