论文阅读
文章平均质量分 89
mingshili
从事CV,智能驾驶相关行业;对AI非常感兴趣;对于pytorch非常熟练,自己从无到有搭建过物体检测,语义分割等模型工程(FasterRCNN,YOLO,SSD,Unet,DeepLab,SqueezeSeg等);目前主要专注于激光点云语义分割相关领域
展开
-
[论文阅读] Online Inference and Detection of Curbs in Partially Occluded Scenes with Sparse LIDAR
提出了一个框架标注3D点云,并且将其投射到鸟瞰图,对路沿进行掩码标注,标注包括:遮挡和未遮挡的,并用anchor机制对其进行预测原创 2022-12-22 14:27:40 · 166 阅读 · 0 评论 -
[论文阅读] SalsaNet: Fast Road and Vehicle Segmentation in LiDAR Point Clouds for Autonomous Driving
利用图像的道路标注的掩码,映射到点云地面点,然后生成训练集; 然后将点云**前视图**和**俯视图**映射,用类似Unet进行分割原创 2022-12-22 14:17:57 · 190 阅读 · 0 评论 -
[论文阅读] LU-Net: An Efficient Network for 3D LiDAR Point Cloud Semantic Segmentation Based on E2E...
本文用UNet对前视图投影进行分割预测,但是本文主要的改进是添加了一个分支,这个分支是用过计算前视图的每个像素周围8个点与该像素点的关系,并且用MLP进行编码,然后在与instensity, range通道相加,再用MLP进行编码,得到N个通道,然后进行Unet卷积操作。原创 2022-12-22 12:05:04 · 356 阅读 · 0 评论 -
[论文阅读] RIU-Net: Embarrassingly simple semantic Segmentation of 3D lidar point cloud
采用Unet这种2D任务中通用的模型,预测前视图投影的range-image点云数据。原创 2022-12-22 12:02:52 · 170 阅读 · 0 评论 -
[论文阅读] RGB and LiDAR fusion based 3D Semantic Segmentation for Autonomous Driving
将图像与雷达融合,然后在SqueezeSeg的基础上在数据通道上添加三个颜色通道,并且结构上采用分离特征融合的方式原创 2022-12-22 12:00:51 · 172 阅读 · 0 评论 -
[论文阅读] PointSeg: Real-Time Semantic Segmentation Based on 3D LiDAR Point Cloud
在SqueezeSeg的基础上,利用PSPNet思想进行网络结构的创新,使得即快有准。原创 2022-12-22 11:57:12 · 554 阅读 · 0 评论 -
[论文阅读] SqueezeSegV3: Spatially-Adaptive Convolution for Efficient Point-Cloud Segmentation
标准卷积使用相同的权重来处理所有空间位置的输入要素,而不考虑输入。因此本文采用自适应卷积可以根据输入和图像中的位置来改变权重。原创 2022-12-22 11:56:42 · 462 阅读 · 0 评论 -
[论文阅读] SqueezeSegV2: Improved Model Structure and Unsupervised Domain Adaptation...
针对squeezeSegV1的不足进行改进:1)由于dropnoise带来的性能不高问题;2)通过模拟数据来缓解数据采集压力原创 2022-12-22 11:49:09 · 174 阅读 · 0 评论 -
[论文阅读] SqueezeSeg V1
点云分割前视图方法的开创性工作原创 2022-12-21 20:09:46 · 715 阅读 · 1 评论 -
[论文阅读] 激光点云分割-RPVNet
中心思想:该paper通过multi-view fusion的方式,减小了不同view的不足;融合了range view,voxel view和points方法,以points作为主线,融合range view和voxel view的的特征(依靠索引系统完成这个过程)。原创 2022-05-01 17:20:55 · 1667 阅读 · 0 评论 -
[论文阅读] 如何阅读论文
论文阅读方法原创 2022-04-27 17:05:00 · 186 阅读 · 0 评论