![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标识别
文章平均质量分 91
Belouga-
拂彼白石,弹吾素琴。幽涧愀兮流水深,善手明徽高张清。
展开
-
H3DNet论文阅读笔记
H3DNet: 3D Object Detection Using Hybrid Geometric Primitives论文链接:https://arxiv.org/pdf/2006.05682.pdf代码链接(pytorch):https://github.com/zaiweizhang/H3DNet1.介绍属于VoteNet的提优作品,从一个投票中心点不准,用19个投票中心来,选取与目标距离最近的,其余做约束和特征辅助。这篇文章的idea受6DOF任务中基于关键点回归启发,原创 2021-11-09 17:21:56 · 976 阅读 · 2 评论 -
Pointnet++代码详解:square_distance函数 & query_ball_point函数
Pointnet++代码详解Square_distance函数Query_ball_pointSquare_distance函数square_distance函数主要用来在ball query过程中确定每一个点距离采样点的距离。函数输入是两组点,N为第一组点的个数,M为第二组点的个数,C为输入点的通道数(如果是xyz时C=3),返回的是两组点之间两两的欧几里德距离,即N×M的矩阵。由于在训练中数据通常是以Mini-Batch的形式输入的,所以有一个Batch数量的维度为B。def square_dis原创 2021-06-09 22:58:25 · 879 阅读 · 0 评论 -
Pointnet++代码详解:farthest_point_sample函数
FPSfarthest_point_sample函数是来自于Pointnet++的FPS(Farthest Point Sampling) 最远点采样法,该方法比随机采样的优势在于它可以尽可能的覆盖空间中的所有点。最远点采样是Set Abstraction模块中较为核心的步骤,其目的是从一个输入点云中按照所需要的点的个数npoint采样出足够多的点,并且点与点之间的距离要足够远。最后的返回结果是npoint个采样点在原始点云中的索引。FPS的逻辑如下:假设一共有n个点,整个点集为N = {f1, f原创 2021-06-09 15:51:35 · 1416 阅读 · 0 评论 -
目标检测的名词概念(持续记录中.....)
纯粹为了无知的自己在学习过程中遇到的不会的概念的记录(暂时无序):mAP定义及相关概念mAP: mean Average Precision, 即各类别AP的平均值AP: PR曲线下面积PR曲线: Precision-Recall曲线Precision: TP / (TP + FP)Recall: TP / (TP + FN)TP: IoU>0.5的检测框数量(同一Ground Truth只计算一次)FP: IoU<=0.5的检测框,或者是检测到同一个GT的多余检测框的数量F原创 2020-11-04 22:35:08 · 1304 阅读 · 0 评论 -
目标检测3维/点云/遥感数据集
主要有包含建筑物的数据集1. 点云分类(罗蒙诺索夫莫斯科国立大学)Legend: red — ground, black — building, navy — car, green — tree, cyan — low-vegetation.链接:点云分类2. Semantic3D大规模点云分类基准,它提供了一个带有大标签的自然场景的3D点云数据集,总计超过40亿个点,并且还涵盖了多种多样的城市场景。8个类别标签的分类基准,即 1:人造地形; 2:自然地形; 3:高植被; 4:低植被; 5:原创 2020-11-02 22:43:28 · 4333 阅读 · 11 评论 -
CornerNet 论文入门学习笔记
论文名称:CornerNet: Detecting Objects as Paired Keypoints论文链接: CornerNet(一) Overview(二) CornerNet2.1 Hourglass Network2.2 角点的检测2.3 角点组合(embedings)2.4 Offsets2.5 Corner Pooling(三)Loss function简介这篇文章是ECCV2018的一篇目标检测论文,该论文的创新之处在于使用Keypoints代替原来的anchor思想进行目标检测原创 2020-10-17 18:46:49 · 371 阅读 · 0 评论