3D-识别
cv_family_z
这个作者很懒,什么都没留下…
展开
-
PointAugment:一种自动增强的点云分类框架
PointAugment的点云分类框架,当训练分类网络时,该框架会自动优化和扩充点云样本以丰富数据多样性。与现有的2D图像自动增强方法不同,PointAugment具有样本感知功能,并采用对抗学习策略来共同优化增强器网络和分类网络,学习生成最适合分类器的增强样本。PointAugment根据形状分类器和点位移来构造可学习的点增强函数,并根据分类器的学习进度精心设计损失函数以采用增强样本。Point...原创 2020-03-13 10:59:57 · 1221 阅读 · 0 评论 -
3D ShapeNets
主页:http://vision.princeton.edu/projects/2014/3DShapeNets/提要:使用CAD数据作为训练数据,使用卷积DBN网络构建了一个3D ShapeNets,对Kinect传感器获取的2.5D深度图进行目标识别和复原全3D形状。3D shapeNets 将3D形状表示为3D voxel 网格二值变量的概率分布,作者构造了一个卷积DBN,学习输入x和lab原创 2015-11-12 12:39:48 · 6935 阅读 · 1 评论 -
Data-Driven 3D Voxel Patterns for Object Category Recognition
CVPR2015 http://cvgl.stanford.edu/projects/3DVP/本文主要使用三维像素特征来检测图像中的车辆,三维模型检测车辆的优势是可以获得额外的信息:高度、遮挡、3D姿态等。首先来看看我们的3D Voxel Patterns 是什么?本文算法流程如下: 训练阶段:首先将3D CAD模型与图像对齐,提取得到 3D voxel exemplars, 然后得到 3D翻译 2015-11-17 14:59:17 · 2275 阅读 · 0 评论 -
3D识别“3D Object Representations for Fine-Grained Categorization”
数据库:http://ai.stanford.edu/~jkrause/cars/car_dataset.html目标:用3D表示做车型精细识别,基于两种2D表示SPP,BubleBank。 构建了两个数据库:10-BMW,197-car,数据库在网站上下载。 3D几何估计 使用3D CAD模型进行建模,精细识别的第一步是找到一个最合适图像的CAD模型。 合成数据:使用CAD模型渲染出训练数原创 2015-12-24 16:49:30 · 2764 阅读 · 0 评论 -
点云卷积“PointConv: Deep Convolutional Networks on 3D Point Clouds”
PointConv: Deep Convolutional Networks on 3D Point Clouds参考借鉴了https://baijiahao.baidu.com/s?id=1631407236773911746&wfr=spider&for=pc与在致密网格中的图像不同,3D点云是不规则且无序的,论文提出了PointConv,将卷积核看作3D点局部坐标的非...原创 2019-06-28 18:20:28 · 2730 阅读 · 1 评论