![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
语义
文章平均质量分 92
shiyueyueya
这个作者很懒,什么都没留下…
展开
-
SemanticKITTI点云地图拼接 SemanticKITTI语义地图
SemanticKITTI点云地图拼接 SemanticKITTI语义地图原创 2024-03-07 17:51:26 · 662 阅读 · 2 评论 -
论文阅读:LSeg: LANGUAGE-DRIVEN SEMANTIC SEGMENTATION
Lseg CLIP的语义分割版本原创 2023-12-07 23:37:04 · 1078 阅读 · 1 评论 -
论文阅读:UniSeg: A Unified Multi-Modal LiDAR Segmentation Network and the OpenPCSeg Codebase
点云分割原创 2023-12-07 12:44:39 · 850 阅读 · 2 评论 -
论文阅读:A Multi-Phase Camera-LiDAR Fusion Network for3D Semantic Segmentation With Weak Supervision
三维语义分割提供了互补的环境信息原创 2023-11-08 22:39:24 · 222 阅读 · 0 评论 -
论文阅读:PVT v2: Improved Baselines with Pyramid Vision Transformer
尽管卷积神经网络(cnn)在计算机视觉领域取得了巨大的成功,但本研究研究的是一种更简单、无卷积的骨干网络,可用于许多密集的预测任务。与最近提出的专门为图像分类而设计的视觉转换器(Vision Transformer, ViT)不同,我们引入了金字塔视觉转换器(Pyramid Vision Transformer, PVT),它克服了将Transformer移植到各种密集预测任务中的困难。与目前的技术相比,PVT有几个优点。原创 2023-11-08 12:24:58 · 1571 阅读 · 0 评论 -
论文阅读:SegFormer: Simple and Efficient Design for SemanticSegmentation with Transformers
摘要本文提出了一种简单、高效、强大的语义分割框架SegFormer,它将transformer与轻量级多层感知器(MLP)解码器结合在一起。SegFormer有两个吸引人的特点:1)SegFormer包含了一个新的分层结构的变压器编码器,可以输出多尺度特征。该算法不需要位置编码,避免了在测试分辨率与训练分辨率不同时对位置码进行插值导致性能下降的问题。2) SegFormer避免了复杂的解码器。提出的MLP解码器聚集了来自不同层的信息,从而结合了局部关注和全局关注来呈现强大的表示。原创 2023-10-18 23:33:21 · 458 阅读 · 0 评论 -
论文阅读:Efficient Point Cloud Segmentation with Geometry-Aware Sparse Networks
ECCV2022,结构稀疏原创 2023-10-18 21:51:49 · 830 阅读 · 2 评论 -
论文阅读:Point-to-Voxel Knowledge Distillation for LiDAR Semantic Segmentation
PVD原创 2023-10-18 11:55:24 · 854 阅读 · 2 评论 -
论文阅读:FIDNet: LiDAR Point Cloud Semantic Segmentation with FullyInterpolation Decoding
FIDNet原创 2023-10-17 16:47:27 · 355 阅读 · 0 评论 -
论文阅读:Rethinking Range View Representation for LiDAR Segmentation
范围激光点云 新sota原创 2023-10-16 18:33:39 · 1580 阅读 · 8 评论 -
论文阅读:CENET: TOWARD CONCISE AND EFFICIENT LIDAR SEMANTIC SEGMENTATIONFOR AUTONOMOUS DRIVING
cenet原创 2023-10-17 10:20:15 · 596 阅读 · 2 评论 -
论文阅读:LENet: Lightweight And Efficient LiDAR Semantic Segmentation Using Multi-Scale Convolution Atte
基于LiDAR的语义分割在机器人和自动驾驶领域至关重要,因为它提供了对场景的全面理解。本文提出了一个轻量级的,高效的基于投影的语义分割网络称为LENet的编码器-解码器结构的基于激光雷达的语义分割。该编码器由一个新颖的多尺度卷积注意力(MSCA)模块组成,具有不同的感受野大小来捕获特征。解码器采用插值和卷积(IAC)机制,利用双线性插值对多分辨率特征图进行上采样,并通过单个卷积层整合先前和当前的维度特征。这种方法大大降低了网络的复杂性,同时也提高了其准确性。此外,我们还引入了多个辅助分割头。原创 2023-10-14 20:54:47 · 520 阅读 · 0 评论 -
论文阅读:PIDNet: A Real-time Semantic Segmentation Network Inspired by PIDControllers
PIDNet 语义分割,新sota原创 2023-05-24 22:41:38 · 1074 阅读 · 3 评论 -
论文阅读:Deep Sensor Fusion with Pyramid Fusion Networks for3D Semantic Segmentation
视觉、激光分割金字塔原创 2023-05-02 18:34:40 · 402 阅读 · 0 评论 -
论文阅读:Swin Transformer: Hierarchical Vision Transformer using Shifted Windows
Swin Transformer,作为一个通用的骨干计算机视觉原创 2023-04-25 17:05:45 · 822 阅读 · 0 评论 -
论文阅读:CPGNet: Cascade Point-Grid Fusion Network for Real-Time LiDARSemantic Segmentation
基于级联点网格融合网络的实时LiDAR语义分割原创 2023-04-18 12:32:23 · 920 阅读 · 1 评论 -
论文阅读:2D3DNet:Learning 3D Semantic Segmentation with only 2D Image Supervision
2D图像指导三维分割原创 2023-04-02 23:37:26 · 707 阅读 · 0 评论 -
论文阅读:MSeg3D: Multi-modal 3D Semantic Segmentation for Autonomous Driving
视觉、激光融合三维点云语义分割原创 2023-03-21 23:08:55 · 1956 阅读 · 14 评论 -
论文阅读:Cylindrical and Asymmetrical 3D Convolution Networksfor LiDAR Segmentation
圆柱分割点云原创 2023-03-19 15:40:02 · 544 阅读 · 1 评论 -
论文阅读:AF2S3Net:Attentive Feature Fusion with Adaptive Feature Selection for Sparse Semantic
点云分割原创 2023-03-16 22:48:59 · 691 阅读 · 4 评论 -
论文阅读:3D Semantic Segmentation with Submanifold Sparse Convolutional Networks
SSCN,sparse convolutional networks原创 2023-03-05 23:32:17 · 1046 阅读 · 2 评论 -
论文阅读:xMUDA: Cross-Modal Unsupervised Domain Adaptationfor 3D Semantic Segmentation
跨模态 无监督 域自适应的 3D 语义分割原创 2023-02-21 22:57:08 · 767 阅读 · 0 评论 -
论文阅读:LaserNet++:Sensor Fusion for Joint 3D Object Detection and Semantic Segmentation
LaserNet++,LaserNet的改进版本,融入摄像头和激光雷达原创 2022-12-20 23:47:22 · 557 阅读 · 1 评论 -
论文阅读:PointNet++: Deep Hierarchical Feature Learning onPoint Sets in a Metric Space
pointnet的改进版pointnet++原创 2022-12-15 23:13:31 · 362 阅读 · 1 评论 -
论文阅读:PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
深度学习网络直接处理点云原创 2022-12-14 22:18:18 · 468 阅读 · 1 评论 -
论文阅读:PointPainting: Sequential Fusion for 3D Object Detection
融合图像语义分割的点云进行3D目标检测原创 2022-12-06 23:37:23 · 797 阅读 · 0 评论 -
论文阅读:LIF-Seg: LiDAR and Camera Image Fusion for 3DLiDAR Semantic Segmentation
LIF-Seg:用于 3D LiDAR 语义分割的 LiDAR 和相机图像融合 作者:华科 + 商汤 未发表2021原创 2022-12-05 23:45:12 · 2324 阅读 · 1 评论 -
论文阅读:RGB and LiDAR fusion based 3D Semantic Segmentationfor Autonomous Driving
基于 RGB 和 LiDAR 融合的自动驾驶 3D 语义分割原创 2022-12-04 22:42:25 · 596 阅读 · 1 评论 -
论文阅读:SemanticKITTI: A Dataset for Semantic Scene Understandingof LiDAR Sequences
发布数据集SemanticKITTI KITTI的激光语义注释原创 2022-12-03 22:11:16 · 974 阅读 · 0 评论 -
论文阅读:DEFORMABLE DETR:DEFORMABLE DETR: DEFORMABLE TRANSFORMERSFOR END-TO-END OBJECT DETECTION
可变性DETR原创 2022-12-02 22:14:19 · 1131 阅读 · 2 评论 -
论文阅读:DETR:End-to-End Object Detection with Transformers
transformer 端到端目标检测 DETR原创 2022-11-30 20:54:26 · 1792 阅读 · 1 评论 -
论文阅读:BEVSegFormer: Bird’s Eye View Semantic Segmentation FromArbitrary Camera Rigs
鸟瞰图 (BEV) 中的语义分割是自动驾驶的重要任务。同时引入tansformer机制。原创 2022-11-30 09:00:00 · 737 阅读 · 0 评论 -
论文阅读:Visual Semantic Localization based on HD Map for AutonomousVehicles in Urban Scenarios
一种新颖的视觉语义定位算法,该算法基于高清地图和语义特征的紧凑表示。原创 2022-11-26 15:10:05 · 844 阅读 · 1 评论 -
论文阅读:RoadMap: A Light-Weight Semantic Map for Visual Localizationtowards Autonomous Driving轻量语义自动驾驶
用于自动驾驶的视觉定位的轻量级语义图原创 2022-11-25 18:03:19 · 1473 阅读 · 3 评论 -
论文阅读:PMF基于视觉感知的多传感器融合点云语义分割Perception-Aware Multi-Sensor Fusion for 3D LiDAR Semantic Segmentation
3D LiDAR (光检测和测距) 语义分割对于许多应用 (例如自动驾驶和机器人技术) 在场景理解中很重要。第三章认真翻译的,其他章节可能是机器翻译。原创 2022-11-24 21:44:13 · 1444 阅读 · 6 评论 -
论文阅读 2DPASS: 2D Priors Assisted SemanticSegmentation on LiDAR Point Clouds LiDAR
由于摄像头和 LiDAR 传感器在自动驾驶中捕获互补信息,因此人们努力通过多模态数据融合进行语义分割。原创 2022-11-17 23:44:32 · 2702 阅读 · 40 评论 -
论文阅读:综述 Deep Learning for Image and Point Cloud Fusion in Autonomous Driving: A Review 自动驾驶中图像和点云融合
1、到目前为止,还没有针对基于深度学习的摄像机-激光雷达融合方法的重要评论。为了弥合这一差距并激励未来的研究,本文致力于回顾最近利用图像和点云的基于深度学习的数据融合方法。2、图像+点云的数据处理 的深度学习:深度补全、目标检测、语义分割和跟踪。原创 2022-10-30 16:18:06 · 1988 阅读 · 0 评论 -
论文阅读DeepLabV1:SEMANTIC IMAGE SEGMENTATION WITH DEEP CONVOLUTIONAL NETS AND FULLY CONNECTED CRFS
DeepLabV1原创 2022-09-03 23:26:05 · 402 阅读 · 1 评论 -
论文阅读:Ultra Fast Structure-aware Deep Lane Detection
车道线检测原创 2022-07-18 23:34:02 · 373 阅读 · 0 评论