AAAI 2021 3D目标检测论文大盘点（CIA-SSD/Voxel R-CNN等）

最新推荐文章于 2024-01-25 16:08:31 发布
最新推荐文章于 2024-01-25 16:08:31 发布
阅读量1.1k 收藏 6
点赞数
分类专栏： 计算机视觉论文速递 3D目标检测 文章标签： 人工智能 计算机视觉 微软 人脸识别 编程语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/amusi1994/article/details/112792954
版权
本文汇总了AAAI 2021中关于3D目标检测的五篇重要论文，包括CIA-SSD、Voxel R-CNN、RTS3D、PC-RGNN和Semantic Consistency Networks。这些论文聚焦于点云处理、实时立体3D检测和3D对象检测的创新方法，为自动驾驶等领域提供了新思路。
摘要由CSDN通过智能技术生成

点击上方“CVer”，选择加"星标"置顶

重磅干货，第一时间送达

前言

AAAI 2021 有效投稿数为9034，最终收录1692篇论文，录取率是21%。CVer 将正式系列整理 AAAI 2021的大盘点工作

本文为第二篇：3D目标检测方向。想看2D目标检测，可以点击：AAAI 2021 目标检测论文大盘点（YOLObile/R3Det/StarNet等）

AAAI 2021 3D目标检测论文大盘点（5篇）

3D目标检测

CIA-SSD: Confident IoU-Aware Single-Stage Object Detector From Point Cloud

最低0.47元/天 解锁文章
Amusi（CVer）
关注
专栏目录
论文速读系列四：Cross-Modality、CT3D、Pyramid R-CNN、VoTr、AFDetV2
Clichong
12-10 730
**为什么需要second stage**？根据之前工作的经验，second stage可以提升网络性能，原因有以下2个：1）原始点特征可以恢复损失的位置信息；2）分类和边界框回归是通过2个独立的分支完成的，会带来不对齐的问题。 但是，近来有工作证明，就算没有原始点云信息做second stage的refine，依靠voxel特征依然可以取得不错的性能。通过大量的实验，**作者发现first stage已经足以得到精确的bbox定位，second stage的贡献主要源于分类得分的提高，这一发现也和分类-定
CIA-SSD
xinxiang7
02-23 3707
CIA-SSD: Confifident IoU-Aware Single-Stage Object Detector From Point Cloud 文章：CIA-SSD 代码：CIA-SSD 文章发表于AAAI2021，来自于港中文的博士生，Wu Zheng。通讯作者是港中文的博导Chi-Wing Fu Abstract 当前问题： 用于在点云中定位目标的现有单级探测器常常将目标定位和分类作为分开的任务，所以定位准确度和分类置信度不能很好的对齐。 解决方法： 为了解决这个问题，我们提出了一个名叫Co
CIA-SSD的编译
sendinn的博客
05-31 710
cia-ssd的编译
CIA-SSD 论文笔记
Tianchao龙虾
10-07 1062
CIA-SSD: Confident IoU-Aware Single-Stage Object Detector From Point Cloud CIA-SSD AAAI 2021 论文链接: https://arxiv.org/abs/2012.03015 一、 Problem Statement 目前的one-stage detectors 通常把目标定位和分类当成是分开的任务，所以定位精度和分类置信度就不能很好的对齐。 二、 Direction 提出了confident IoU-Aware S
AAAI2021论文：一个激光雷达点云的3D目标单步检测法CIA-SSD
3D视觉工坊
01-20 1233
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨黄浴@知乎来源丨https://zhuanlan.zhihu.com/p/345296801编辑丨3D视觉工坊AAAI2021...
重新思考基于IoU的单阶段3D目标检测优化 - 旋转解耦IoU（RDIoU）方法的有效性验证
+v：mala2255获取更多论文重新思考基于IoU的单阶段3D目标检测优化Hualian Sheng1、 2、 3、Sijia Cai2、Na Zhao3、Bing Deng2、JianqiangHuang2、Xian-Sheng Hua2、Min-Jian Zhao1和Gim Hee Lee31浙江大学2阿里云...
基于点的3D目标检测的语义增强集合抽象
2040801007476788082Voxel-basedPV-basedPoint-basedarXiv:2201.01976v1 [cs.CV] 6 Jan 2022+v:mala2255获取更多论文0SASA：基于点的3D目标检测的语义增强集合抽象0Chen Chen 1，Zhe Chen 1，Jing Zhang 1，...
SASA：基于点的3D目标检测的语义增强集合抽象
2040801007476788082Voxel-basedPV-basedPoint-basedarXiv:2201.01976v1 [cs.CV] 6 Jan 2022+v:mala2255获取更多论文0SASA：基于点的3D目标检测的语义增强集合抽象0Chen Chen 1，Zhe Chen 1，Jing Zhang 1，...
熵值法matlab代码-CapsVoxGAN:GAN使用胶囊网络生成体素模型
05-25
保守值法matlab代码CapsVoxGAN 介绍 我的项目旨在成为一个三维生成对抗网络（GAN），用于使用三维模型生成体素模型。 设置 为了使我的开发环境具有可移植性，我使用了。 只需下载并安装它，然后用于复制我的环境即可： conda env create --file environment.yml 设置好环境后，就必须创建一个用于训练的数据集：只需运行python create_dataset.py ，它将下载该数据集并将其从MATLAB文件格式转换为NumPy并将其保存为一个压缩文件。 用法 强烈建议您从发行版下载版本，因为其中包含了学习到的权重。 否则，您必须自己训练网络（这非常耗时）。 测验 有两个不同的前端：桌面应用程序和基于的Web服务。 您必须在存储库的根目录中具有generator.pkl （ generator.pkl的权重），这两种方法才能起作用。 对于桌面应用程序，按照上面的描述设置Miniconda环境后，只需午餐python app_gui.py 。 我本来打算将此桌面应用程序发布为使用。 但这是行不通的，文件create_appimage.sh是失败尝
DAL:正式实现“面向任意对象检测的动态锚学习”（AAAI2021）
03-30
DAL 该项目托管了AAAI 2021论文的正式实施： 用于任意目标检测的动态锚学习[ ] []。 抽象的 在本文中，我们提出了一种动态锚学习（DAL）方法，该方法利用新定义的匹配度来综合评估锚的定位潜力，并进行更有效的标签分配过程。 通过这种方式，检测器可以动态选择高质量的锚点，以实现精确的对象检测，并且可以缓解分类和回归之间的差异。 入门 该代码使用建议的DAL方法构建旋转的RetinaNet，以进行旋转物体检测。 支持的数据集包括：DOTA，HRSC2016，ICDAR2013，ICDAR2015，UCAS-AOD，NWPU VHR-10，VOC。 安装 Insatll要求： pip install -r requirements.txt pip install git+git://github.com/lehduong/torch-warmup-lr.git 构建Cytho
论文速度系列三：SA-SSD、CIA-SSD、SE-SSD
Clichong
12-08 1495
自从GoogleNet提出以来，一直觉得辅助任务是个好东西。利用了两个辅助任务让主干网络更加关注结构信息，这让我联想到了之前做推荐系统的跨域ctr估计。也是利用源域数据与目标域数据进行一个联合训练来优化结果。在论文的创新上，
激光雷达3D目标检测模型调研
最新发布
奔袭的算法工程师
01-25 1269
PointPillars,采用Pillar编码方式编码PointCloud：在点云的俯视图的平面进行投影使之变成伪2D图，对这种投影进行编码用的是Pillar方法，即在投影幕上划分为 H * W 的网格，然后对于每个网格所对应的柱子中的每一个点取原特征（x,y,z,r,x_c,y_c,z_c,x_p,y_p）共9个，再然后每个柱子中点多于N的进行采样，少于N的进行填充0，形成了（9，N，H * W）的特征图。SE-SSD是在CIA-SSD基础上做的提升，整体网络基本接近，整体检测效果和推理时间也比较接近。
83FPS，史上最快 | IA-SSD: 基于点云的高效3D目标检测网络（CVPR2022）
CV_Autobot的博客
08-14 3708
点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流群后台回复【IASSD】获取论文和代码！后台回复【领域综述】获取自动驾驶全栈近80篇综述论文！后台回复【数据集下载】获取计算机视觉近30种数据集！1论文主要贡献论文针对三维激光雷达点云的有效目标检测问题开展了研究，为了减少内存和计算成本，现有的基于point的pipeline通...
voxelnet训练及测试用数据集
fgs的博客
07-11 1207
voxelnet网络：基于点云的三维物体检测的端到端学习 论文地址：https://arxiv.org/pdf/1711.06396.pdf github代码地址：https://github.com/tsinghua-rll/VoxelNet-tensorflow 注：GitHub上面有很多份实现代码，百度gihub，然后在网站搜索voxelnet，就可以找到很多大佬的实现代码。其中，ht...
解读CVPR2020：Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud
weixin_42608406的博客
10-22 1680
文章目录1.摘要2.网络结构2.1.Graph Construction3.2.Graph Neural Network with Auto-Registration3.3.Loss3.4.Box Merging and Scoring 1.摘要 本文提出了一种图神经网络Point-GNN来检测点云中的物体，预测每个顶点所属的对象的类别和bounding box。该网络是单阶段网络。 2.网络结构 该网络包含三个组成部分：（a）图形构造（b）T次迭代的GNN（c）边界框的合并和打分 2.1.Graph
【点云3D目标检测】跑通CIA-SSD过程中的一些报错集锦
AaaA00000001的博客
11-14 1935
本文主要是介绍了在跑通CIA-SSD系列算法过程中遇到的一些bug，下面是对CIASSD算法的一个简单的介绍。CIA-SSD其基本思想是校准单步目标检测中分类和定位两个任务，提出。第一个是模块，为了准确预测目标框和分类置信度，自适应地融合低端spatial feature和高端抽象semantic feature。第二个是模块，对置信度进一步校准（rectified），使其和定位精度更加一致。最后采用Distance-variant IoU-weighted NMS获得更平滑的回归并避免冗余预测。
C-LSTM与CNN-RNN在Web与IoT流量异常检测中的应用与提升
第一篇论文《基于C-LSTM神经网络的Web流量异常检测》（2018年AAAI会议），作者探讨了针对网络流量异常的检测问题，特别强调了异常检测与时间序列的关系。C-LSTM（长短时记忆的卷积神经网络）被选为关键方法，它结合...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值