研究方向选择
文章平均质量分 95
阅读CV各个方向论文,最终确定自己的研究方向
不会飞的BIRd
这个作者很懒,什么都没留下…
展开
-
YOLO V3 论文阅读
对于 COCO,anchor 的宽度和高度分别为 (10×13),(16×30),(33×23),(30×61),(62×45),(59×119),(116× 90),(156×198),(373×326)。由与真值IOU最大的锚框负责预测物体,且将其置信度标签设为1,之前将一个不高的值作为他的标签去训练,这样得到的结果并不好(求其中者得其下)EfficientNet是一种基于自动模型缩放的神经网络,通过对网络深度、宽度和分辨率进行均衡调整,以获得更好的性能和计算效率。在目标检测和图像分类任务中,常见的。原创 2023-11-12 20:26:34 · 15 阅读 · 0 评论 -
论文阅读《Hierarchical Aggregation for 3D Instance Segmentation》
Hierarchical Aggregation for 3D Instance Segmentation是一个用于实例分割的方法,他主要利用了点以及点集之间的空间关系,以此进行实例分割。原创 2023-12-07 15:34:27 · 1090 阅读 · 0 评论 -
论文阅读RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds
RandLA-Net的关键在于使用随机采样,而不是更复杂的点选择方法。虽然随机抽样具有显著的计算和内存效率,但可能会偶然丢弃关键特征。为了克服这一问题,引入了,以逐步增加每个三维点的感受野,从而有效地保留几何细节。原创 2023-11-30 10:13:08 · 913 阅读 · 0 评论 -
论文阅读 Point Transformer & Fast Point Transformer
由于Transformer在NLP以及2D图像以及视频领域取得的成功,有学者便想着将其应用于3D点云中,本文将先后介绍以及两篇文章。后续文中将两者分别简称为和。原创 2023-11-23 15:38:03 · 906 阅读 · 1 评论 -
Point-Net 论文阅读
Point-Net 是2017年的CVPR,是3D视觉方向非常经典的入门论文,开创了除体素、多视角外,新的数据处理方法——直接基于点云数据中的点。原创 2023-11-18 17:21:46 · 26 阅读 · 0 评论 -
YOLO V2 论文阅读
本文主要介绍了YOLO V2 关于V1的变动。原创 2023-11-09 17:00:59 · 16 阅读 · 1 评论 -
YOLO V1 论文阅读
YOLO V1 经典重温原创 2023-11-04 16:08:51 · 13 阅读 · 1 评论 -
基于激光雷达点云的 3D 目标检测技术综述
《基于激光雷达点云的 3D 目标检测技术综述》的阅读笔记原创 2023-10-31 17:31:51 · 665 阅读 · 1 评论