自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(6)
  • 收藏
  • 关注

原创 PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection(group的是关键点周围的体素,而不是周围的点)

1.动机为了学习更区别的点云特征,我们将3D体素卷积网络和基于PointNet的方法提取特征相结合。既可以利用3D体素卷积网络高效的学习和高质量的建议,又利用了基于PointNet的网络的灵活感受野的优势。2.怎么做的首先采用稀疏3D体素卷积进行有效的特征编码并产生建议,为了更有效的池化3D建议对应的特征,我们用了两种新的操作:voxel-to-keypoint scene encoding:将场景中的所有体素汇总成少量关键点;point-to-grid RoI feature abstraction

2021-10-21 11:07:45 289

原创 Pointnet++(可以完成分类与分割)(本文是受到CNN的启发,层级结构的思想来源于CNN)

Pointnet++(可以完成分类与分割)(本文是受到CNN的启发,层级结构的思想来源于CNN)1.动机之前有些工作是基于point set的,PointNet 是这方面的先驱,但是,它不能捕捉其中度量空间的点的局部结构,这限制了它识别细粒度模式的能力和对复杂场景的概括能力。2.创新点1.解决了生成点集的划分。(farthest point sampling (FPS) algorithm)2.解决了如何通过局部特征学习器提取点集或局部特征。(用之前效果不错的PointNet)3.回顾Point

2021-10-21 10:56:24 1380

原创 论文笔记:EPNet: Enhancing Point Features with Image Semantics for 3D Object Detection

EPNet: Enhancing Point Features with Image Semantics for 3D Object Detection1.摘要这篇文章主要解决3D目标检测中的两个重要问题,包括多传感器融合的使用和定位和分类的置信度的不一致问题。所以我们提出了一个新的融合单元,用逐点的方式使用语义图像特征来提高点的特征,并且不需要任何图像标注(也就是2D检测框)。另外,一个一致性强制损失被用来更好的促进定位和分类置信度的一致性。另外本文代码也已经开源。2.介绍图像信息经常包含大量的语

2021-01-26 21:18:58 3706 10

原创 论文笔记:3D-CVF(ECCV 2020)

论文笔记:3D-CVF: Generating Joint Camera and LiDAR Features Using Cross-View Spatial Feature Fusion for 3D Object Detection(ECCV 2020)1.为什么要做这个研究(理论走向和目前缺陷) ?因为之前基于融合的3D目标检测方法在融合时都会丢失到一些信息,导致算法的精度不高,本文想基于这一点进行改进。2.他们怎么做这个研究 (方法,尤其是与之前不同之处) ?1.auto-calibrat

2021-01-11 10:14:54 813

原创 论文笔记:CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection

CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection1.为什么要做这个研究(理论走向和目前缺陷) ?在3D目标检测领域,目前的fusion普遍都是deep fusion,效果不如只基于lidar的方法。本文选择使用之前不常用的late fusion。2.他们怎么做这个研究 (方法,尤其是与之前不同之处) ?就是将来自不同2D和3D检测器的结果做一个deep fusion,并且fusion处理的的是一个稀疏的向量。3

2020-12-09 20:51:29 3000 5

原创 论文笔记:PnPNet: End-to-End Perception and Prediction with Tracking in the Loop

PnPNet: End-to-End Perception and Prediction with Tracking in the Loop1.为什么要做这个研究(理论走向和目前缺陷) ?之前的工作,perception,tracking和prediction(motion forecasting)这三个模块,不管是each component is developed separately(效率低),还是solve the detection and prediction tasks jointly

2020-12-08 11:34:24 1902

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除