AMiner平台(https://www.aminer.cn)由清华大学计算机系研发,拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱,提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线,吸引了全球220个国家/地区1000多万独立IP访问,数据下载量230万次,年度访问量超过1100万,成为学术搜索和社会网络挖掘研究的重要数据和实验平台。
必读论文:https://www.aminer.cn/topic
论文集地址:https://www.aminer.cn/topic/6041cdd192c7f9be217b35ab
点云表示作为一种常用的表示格式,在三维空间中保留了原始的几何信息,不需要任何离散化。因此,它是许多场景理解相关应用(如自动驾驶和机器人)的首选表示。近年来,深度学习技术已成为计算机视觉、语音识别、自然语言处理、生物信息学等领域的研究热点。然而,三维点云的深度学习仍然面临着数据集规模小、维数高、非结构化等诸多挑战三维点云。目前基于点云数据下的深度学习方法主要包括包括三维形状分类、三维目标检测与跟踪、三维点云分割三大任务。
该论文集共收录25篇论文,引用最多的论文为PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation,引用数为2497。
AMiner,一个具有认知智能的学术搜索引擎:https://www.aminer.cn
#AMiner# #论文#