- 博客(8)
- 资源 (1)
- 收藏
- 关注
原创 AVOD阅读笔记(二):多模型融合RPN----Aggregate View Obeject Detection network
AVOD阅读笔记(一):摘要+特征提取 传送门: https://blog.csdn.net/weixin_38668159/article/details/80450835Multimodal Fusion Region Proposal Network:anchor boxes:由其形心和轴对齐尺寸编码。其中 是在鸟瞰图中以0.5m的间隔进行采样,而tz 是根据传感器距地面高度决定的...
2018-05-26 14:23:17
2291
原创 AVOD阅读笔记(一):摘要+特征提取----Aggregate View Obeject Detection network
摘要:AVOD: an Aggregate View Obeject Detection network 多视图目标检测网络使用了LIDAR和RGB图像生成特征。包括两部分:RPN(区域提案网络)和a second stage detector network(第二步检测器?)RPN可以在高分辨率特征图上执行多模型特征融合,从而对道路上的多类目标生成可靠的3D候选目标(performing m...
2018-05-25 15:07:15
7176
原创 recall--召回率 precision--精确度
对于整个样本而言,假设其ground truth 中有P个正例。在预测时,假设P个正例中有PP个被预测为正例,PN个被预测为负例(显然PP+PN=P)那么Recall=PP/P
2018-05-25 14:24:08
198
原创 MV3D代码中一些函数参考
mv3d_net.py:layers.add([x,residual]):是keras.layers.Merge层中的,x和residual是相同shape的张量,对其对应元素求和,返回的张量shape和x一样。 http://keras-cn.readthedocs.io/en/latest/layers/merge/...
2018-05-23 11:47:59
1098
转载 ResNet
ResNet最根本的动机就是所谓的“退化”问题,即当模型的层次加深时,错误率却提高了。退化问题主要是由于模型深度加深后难以优化,使模型不能很好的学习。Residual Network:...
2018-05-23 10:54:45
182
转载 终于搞懂了SeparableConv(from Xception)
参考:https://blog.csdn.net/chaolei3/article/details/79374563图片来源:https://blog.csdn.net/xbinworld/article/details/61674836举个例子,假设有一个3×3大小的卷积层,其输入通道为16、输出通道为32。 那么一般的操作就是用32个3×3的卷积核来分别同输入数据卷积,这样每个卷积核需要3×3...
2018-05-23 10:20:31
6148
6
转载 Google的net:Inception V1-V4 and Xception
https://blog.csdn.net/xbinworld/article/details/61674836
2018-05-22 20:46:37
209
转载 了解VGG16 (prepare for MV3D)
https://blog.csdn.net/errors_in_life/article/details/65950699
2018-05-22 19:49:08
661
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