笔记
文章平均质量分 75
weixin_48493664
这个作者很懒,什么都没留下…
展开
-
SASA: Semantics-Augmented Set Abstraction for Point-based 3D Object Detection
尽管基于点的网络被证明对三维点云建模是准确的,但在三维检测方面,它们仍然落后于基于体素的竞争对手。我们注意到,当前流行的降采样点集合抽象设计可能会保留太多不重要的背景信息,从而影响目标检测的特征学习。为了解决这个问题,我们提出了一种新的集抽象方法——语义增强集抽象(SASA)。在技术上,我们首先添加一个二值分割模块作为侧输出,以帮助识别前景点。在此基础上,我们提出了一种语义引导的点采样算法,以帮助在下采样时保留更重要的前景点。在实际应用中,SASA可以有效地识别出与前景物体相关的有价值点,并改进了基于点的三原创 2022-06-16 21:36:08 · 985 阅读 · 0 评论 -
Improving Convolutional Networks with Self-Calibrated Convolutions
我们提出了一种新颖的自校准卷积,通过内部通信显式扩展每个卷积层的视场,从而丰富了输出特性。特别是,与使用小核(例如,3 × 3)融合空间和信道信息的标准卷积不同,我们的自校准卷积通过一种新的自校准操作,自适应地围绕每个空间位置构建远程空间和信道间依赖性。因此,它可以通过显式地融入更丰富的信息,帮助cnn生成更有鉴别性的表示。我们的自校准卷积设计简单而通用,可以很容易地应用于增加标准卷积层,而不引入额外的参数和复杂性。包括图像识别、目标检测、实例分割和关键点检测,都可以显著提高,而不需要改变网络架构。原创 2022-06-14 20:38:00 · 268 阅读 · 1 评论