论文阅读
文章平均质量分 90
麒麒哈尔
这个作者很懒,什么都没留下…
展开
-
【论文阅读】【三维目标检测】Camera-Lidar融合的3D目标检测网络
Camera-LiDAR based 3D object detection原创 2022-11-18 17:48:28 · 1406 阅读 · 2 评论 -
【论文阅读】【二维目标检测】Adaptive Class Suppression Loss for Long-Tail Object Detection
文章目录motivationMethod文章:Adaptive Class Suppression Loss for Long-Tail Object Detection2021 CVPR,解决目标检测中的长尾问题。2020 CVPR中也有几篇文章解决该问题,我写在了另外一篇博客中。motivation本文其实就是针对Equalization Loss for Long-Tailed Object Recognition的改动,对于这篇文章,我写在了另外一篇博客中。在Equalization原创 2021-07-14 15:53:51 · 1543 阅读 · 0 评论 -
【论文阅读】【二维目标检测】Label Assignment四连击
文章目录2021 CVPR论文地址:https://arxiv.org/abs/2103.14259和Autoassign一样,都是旷视的文章,都是做label assignment的,Autoassign的理解,可以看这篇知乎,我觉得讲的很详细。接下来就看看OTA。https://zhuanlan.zhihu.com/p/379087332...原创 2021-07-14 11:54:07 · 1296 阅读 · 0 评论 -
【论文阅读】【三维目标检测】Student-Teacher Network在3D目标检测中的应用
文章目录3DIoUMatch: Leveraging IoU Prediction for Semi-Supervised 3D Object DetectionPseudo-Label Filtering and DeduplicationSelective Supervision using Pseudo-Labels总结SE-SSD: Self-Ensembling Single-Stage Object Detector From Point CloudMotivationConsistency L原创 2021-07-10 15:30:59 · 1721 阅读 · 1 评论 -
【论文阅读】【三维目标检测】在Range view上做3D目标检测
文章目录BEV or Range ViewRangeDet: In Defense of Range View for LiDAR-based 3D Object DetectionRange Conditioned Pyramid InMeta-Kernel ConvolutionWeighted Non-Maximum SuppressionData Augmentation in Range View DataExperimentrange view是仅针对物理旋转式扫描的激光雷达的特殊view,例原创 2021-07-05 16:11:30 · 3520 阅读 · 2 评论 -
【论文阅读】【三维目标检测】AFDet: Anchor Free One Stage 3D Object Detection
这里写自定义目录标题AFDetAFDet与CenterPoint的区别原创 2021-06-28 13:49:49 · 1593 阅读 · 0 评论 -
【论文阅读】【二维目标检测】YOLOF:You Only Look One-level Feature
文章目录YOLOFFPN的作用到底是什么?YOLOFExperimentAblation Study两个创新的作用其他3D目标检测的启发2021CVPR,旷视团队文章链接:https://arxiv.org/abs/2103.09460代码链接:https://github.com/megvii-model/YOLOF这篇文章有点意思,我认为这篇文章对3D目标检测问题有很大启发。本文先介绍文章,再介绍启发。YOLOFFPN的作用到底是什么?FPN已经成为backbone的必备组件,无论是在an原创 2021-06-21 21:55:32 · 443 阅读 · 2 评论 -
【论文阅读】【二维目标检测】ATSS
文章目录Anchor s Anchor FreeRetinaNet Vs FCOSATSS实验超参数ComparisonDiscussion文章:Bridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection2020 CVPR论文地址:https://arxiv.org/abs/1912.02424代码地址:https://github.com/sfzhang原创 2021-06-16 21:16:52 · 420 阅读 · 2 评论 -
【论文阅读】解决类别分布严重不均衡
文章目录Focal lossOHEMGT AugmentBAGS数据集类别严重不均衡的问题在3D object detection上非常常见,这里记录几篇关于这个问题的解决办法。Focal lossfocal loss可以缓解这个问题,减少容易样本loss的权重。OHEM在线难例挖掘,仍然是减少易分类样本对loss的影响。GT Augment做少样本类别的instance的augmentation,这在3D object detection任务中是一个非常常见的数据增广手段。但这有个问题是,增原创 2021-06-01 15:09:06 · 1221 阅读 · 0 评论 -
【论文阅读】【二维目标检测】Generalized Focal Loss
文章目录Motivation物体分类框回归Method物体分类框回归generalized focal loss实验效果总结文章:Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection地址:https://arxiv.org/pdf/2006.04388.pdfMotivation物体分类在object detection任务中,是存在分类和回归的两个结原创 2021-05-31 19:25:41 · 394 阅读 · 0 评论 -
【论文阅读】【三维目标检测】Center-based 3D Object Detection and Tracking
文章目录IntroductionCenterPointExperimentCenterPoint,2021CVPR,刷榜nuScenes和Waymo数据集。作者是与2D版的CenterNet是同样的,看来是一个组出来的文章。从网络结构上看,本文就是将CenterNet用到了基于点云的三维目标检测问题上,但本文的出现也证明了,Anchor Free的这种方法应用在基于点云的三维目标检测任务中也是可行的。IntroductionCenterPoint这篇的Introduction细节地说明了该方法的想原创 2021-05-20 17:00:14 · 2208 阅读 · 0 评论 -
【论文阅读】【2D目标检测】CenterNetv2: Probabilistic two-stage detection
文章目录3. Preliminaries4. A probabilistic interpretation of two-stage detection6、Results论文链接:https://arxiv.org/abs/2103.07461代码链接:https: //github.com/xingyizhou/CenterNet2其实一句话就可以概括本文的核心思想:用one-stage的检测器来代替two stage中的RPN可以提升运行速度和检测效果。对于two-stage的RPN和one-s原创 2021-03-28 21:44:58 · 1429 阅读 · 2 评论 -
【论文阅读】【点云处理】Transformer在点云上的应用
文章目录PCT: Point Cloud Transformernaive PCTOffset-AttentionNeighbor Embedding for Augmented Local Feature RepresentationExperimentPoint TransformerAttention ModulenetworkExperimentTransformer在点云上的应用的研究处于起步阶段。Transformer的入门可以看我另外一篇博客:从零入门Transformer。PCT: P原创 2021-03-26 16:09:27 · 3535 阅读 · 1 评论 -
【学习】从零入门Transformer
文章目录Transformer之前RNN & NLPSeq2SeqSeq2Seq + AttentionTransformerEncoderDecoder工作流程本文记录一下从0入门Transformer的过程https://zhuanlan.zhihu.com/p/31547842Transformer之前说到Transformer,就离不开NLP,就离不开Seq2Seq,毕竟transformer一开始也是和Seq2Seq结合用的。RNN & NLP这里先放两个RNN在NLP原创 2021-03-25 15:23:43 · 2079 阅读 · 0 评论 -
【论文阅读】【综述】网络的剪枝方法
文章目录非结构化的Learning both Weights and Connections for Efficient Neural NetworksDEEP COMPRESSION: COMPRESSING DEEP NEURAL NETWORKS WITH PRUNING, TRAINED QUANTIZATION AND HUFFMAN CODING结构化的本文记录一下对model pruning方法的学习,我只是挑了一些代表性的论文阅读一下,了解pruning的思路。首先推荐一篇博客,闲话模型原创 2021-03-22 22:36:26 · 4181 阅读 · 0 评论 -
【论文阅读】【目标跟踪】High-Speed Tracking with Kernelized Correlation Filters
文章目录KCF4 BUILDING BLOCKS4.1 Linear Regression4.2 Cyclic Shifts4.3 Circulant Matrices4.4 Putting It All Together5 NON-LINEAR REGRESSION5.1 Kernel Trick – Brief Overview5.2 Fast Kernel Regression5.3 Fast Detection6 FAST KERNEL CORRELATION算法流程KCF,TPAMI,2015原创 2021-01-26 11:05:58 · 453 阅读 · 0 评论 -
【论文阅读】【三维语义分割】Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR Segmentation
文章目录Cylinder3DCylindrical PartitionbackboneDDCMPoint-wise Refinement ModuleExperimentablation studyGeneralization Analyses总结Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR Segmentation投递CVPR2021目前Semantic-KITTI榜第一代码:https://github.com/xi原创 2021-01-01 16:39:41 · 3276 阅读 · 4 评论 -
【论文阅读】【2D目标检测】EfficientNet和EfficientDet
文章目录EfficientNet核心问题compound scaling methodEfficientDetEfficientNet和EfficientDet是2020年新出来的图像分类和目标检测算法,抽出空来读了一下,这里做一下记录。EfficientNet论文全称:EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks发表刊物:2019ICML核心问题本文解决的一个核心问题是:给定计算资源的前提下,在原创 2020-12-15 16:54:54 · 660 阅读 · 1 评论 -
【论文阅读】【综述】激光雷达-相机融合的道路检测方法
文章目录SNE-RoadSegLidCamNetRoad Detection through CRF based LiDAR-Camera Fusion总结本博客列举一些激光雷达-相机融合的方法,主要是针对Road Detection问题的。其实Road Detection是属于Semantic Segmentation问题的,只是需要划分的就是两类,一个是道路,一个是非道路。目前主流方法当然是CNN,需要大量的数据用来训练。SNE-RoadSeg文章:SNE-RoadSeg: Incorporati原创 2020-11-21 20:25:11 · 2676 阅读 · 0 评论 -
【论文阅读】SNE-RoadSeg
文章目录SNERoadSeg文章SNE-RoadSeg: Incorporating Surface Normal Information into Semantic Segmentation for Accurate Freespace Detection,2020ECCV使用深度图做road detection,效果在kitti上排第四,是目前能找到良好开源的算法。本篇文章就结合代码一块看一下这篇文章。SNERoadSeg...原创 2020-11-10 20:53:20 · 1427 阅读 · 1 评论 -
【论文阅读】【点云处理】A Closer Look at Local Aggregation Operators in Point Cloud Analysis
文章目录对比各种local aggregation的结构结构的分类结构对比的结果PosPool我认为的本篇文章最大的贡献是公平的对比了各种类型的local aggregation的结构。本篇博客仍然不翻译该论文,只是记录一些我觉得重要的东西。对比各种local aggregation的结构结构的分类相比于处理image的网络,点云处理的网络其实有两个重要和核心。一个是网络框架的设计,另一个就是local aggregation的设计。网络框架方面,其实完全可以借用针对image设计的框架,例如Res原创 2020-09-19 14:53:58 · 1245 阅读 · 1 评论 -
【论文阅读】Review on 3D Lidar Localization for Autonomous Driving Cars
文章目录Review on 3D Lidar Localization for Autonomous Driving Cars基于配准的基于特征的基于神经网络的最近看了几篇定位方面的综述,来总结一下。Review on 3D Lidar Localization for Autonomous Driving Cars“LIDAR data, compared to other perception sensors, is the richest and most detailed in term of原创 2020-09-02 20:13:56 · 498 阅读 · 1 评论 -
【论文阅读】【综述】从Optical Flow到Scene Flow
文章目录Optical FlowFlowNet(2015ICCV)FlowNet2.0(2017CVPR)Sene FlowPoint-basedPointFlowNetFlowNet3DFlowNet3D++HPLFlowNetPointPWC-NetVoxel-basedMotionNetScene Flow可以理解为3D的光流,数据换成了点云,Flow是用xyz三个坐标表示。Optical FlowFlowNet(2015ICCV)FlowNet2.0(2017CVPR)CVPRSene原创 2020-07-01 20:56:36 · 6770 阅读 · 0 评论 -
三维激光雷达点云处理发展趋势
文章目录发展趋势1、Point-Voxel2、结构呈现规律本人关注的3D目标检测的文章多一些,所以本文在点云检测,分割领域的发展趋势的理解可能还浅一些,希望能与大家交流。2020年的CVPR出来之后,在点云处理方面给人的感觉是耳目一新,从众多论文中可以看出点云处理的新的发展方向。发展趋势1、Point-Voxel在之前的发展中,方法大致可以分为如下几类:Point-based:就是以...原创 2020-05-10 18:45:34 · 3403 阅读 · 0 评论 -
【论文阅读】【三维语义分割】RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds
文章目录RandLA-NetMotivationSamplingLocal Feature AggregationLocSEAttentive PoolingDilated Residual BlockExperiments我的思考2020CVPR牛津大学本文提出了针对大场景语义分割的一种方法,主要提出了使用random sampling来进行降采样从而降低运算时间,通过提出的Local F...原创 2020-04-18 21:03:58 · 2249 阅读 · 3 评论 -
【论文阅读】【综述】Deep Learning for 3D Point Clouds: A Survey
文章目录Survey3D Shape ClassificationProjection based本文是最新的使用深度学习处理点云的综述文章,本文所提及的方法非常全,可以作为一个文章索引来看,而且本论文对方法的分类也很有意义。但是作为综述性文章,本文每章节的结论有点弱,并没有通过对文章的综述产生太多指导性的结论。但总体来说,这篇文章对于读者,起到了查缺补漏和搭建知识框架的作用。接下来,有些我读...原创 2020-02-07 17:24:14 · 5128 阅读 · 3 评论 -
【论文阅读】【综述】A survey of deep learning techniques for autonomous driving
由于本片论文不涉及技术,所以就翻译一下,看看公司的人是怎么理解DNN在自动驾驶中的应用的。文章目录A survey of deep learning techniques for autonomous drivingAbstractIntroduction在自驾车中使用基于深度学习的决策架构A survey of deep learning techniques for autonomous ...原创 2019-11-29 19:49:17 · 3309 阅读 · 1 评论 -
【论文阅读】【综述】3D Object Detection 3D目标检测综述
aaa3D Detection新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入3D Detection你好!...原创 2019-06-04 16:04:45 · 39695 阅读 · 40 评论 -
【论文阅读】【三维目标检测】Structure Aware Single-stage 3D Object Detection from Point Cloud
文章目录SASSDmotivationFrameworkAuxiliary NetworkPS WarpExperiment思考Point和Voxel的结合之作PSwarp将one stage和two stage的方法联系起来香港理工大学和阿里巴巴达摩院出品,之前听说阿里的团队检测KITTI排第一,可能就是这篇文章吧。如果对2D Object Detection有一定了解,其实本文读起来还是比...原创 2020-04-12 21:59:14 · 4518 阅读 · 3 评论 -
【论文阅读】【道路分割】Progressive LiDAR Adaptation for Road Detection
文章目录PLARDADTFSTFusionLossExperiment目前KITTI榜单第一,发表于自动化学报英文版。好久没读Road Detection方面的论文的,该论文的结果虽然是KITTI榜单第一名,但我个人认为创新性和行文确实与发表在CV领域的顶会文章的有挺大差距。但也有个好的地方是该方法开源了。PLARD该方法使用了图像与点云两种数据,是将点云投影到图像上的方法。ADTA...原创 2020-04-07 22:57:57 · 2059 阅读 · 3 评论 -
【论文阅读】【点云处理】Point-Voxel CNN for Efficient 3D Deep Learning
文章目录2019NIPSMIT与上海交通大学,Song Han老师原创 2020-04-07 11:58:38 · 6734 阅读 · 7 评论 -
【论文阅读】【三维目标检测】3DSSD: Point-based 3D Single Stage Object Detector
文章目录3DSSDF-FPSFrameworkExperiment问题:香港中文大学,香港科技大学出品,贾佳亚团队2020CVPR3DSSDF-FPS这是我认为本文最重要的一个贡献,该贡献解决了前景点采样点(representative points)少的问题。解决方式也很巧妙,在FPS的过程中,除了使用点与点之间的距离,还加入了feature与feature的距离。该方式的加入使得采样...原创 2020-03-29 11:03:00 · 3664 阅读 · 1 评论 -
【论文阅读】【三维目标检测】Object as Hotspots: An Anchor-Free 3D Object Detection Approach via Firing of Hotspots
文章目录HotSpot NetworkHotSpotNetworkAnchor FreeQuadrant ClassificationExperiments2019.12.30挂到arxiv上三星,约翰霍普金斯大学和南方科大出品本文提出了一种使用Hotspot的方法来检测3D Object,在回归3D Object的参数时,使用了Anchor Free的方法。HotSpot Network...原创 2020-02-15 11:57:02 · 1615 阅读 · 0 评论 -
【论文阅读】【三维目标检测】PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection
文章目录PV-RCNNRPNBackbone: 3D Sparse ConvolutionClassification & Regression HeadVoxel Set Abastraction Module(VSA)起因VSA ModulePKW Module(Predicted Keypoint Weighting)RCNN实验思考本论文目前是KITTI排名第一,香港中文大学和商...原创 2020-02-10 17:44:57 · 10129 阅读 · 7 评论 -
【论文阅读】【点云处理】Point-based Discrete Convolution Networks
文章目录Pointwise Convolutional Neural NetworksPointCNN本博客是点云的深度学习方法综述博客的一部分,详细解释几篇Point-based Discrete Convolution Networks的方法。Pointwise Convolutional Neural Networks2018CVPR本文是Discrete Convolution N...原创 2020-02-08 17:50:54 · 859 阅读 · 0 评论 -
【论文阅读】【点云处理】Point-based Continuous Convolution Networks
文章目录RS-CNN本博客是点云的深度学习方法综述博客的一部分,详细解释几篇Point-based Continuous Convolution Networks的方法。RS-CNN论文:Relation-Shape Convolutional Neural Network for Point Cloud Analysis中科大出品,2019 CVPR对于PointNet++了解的读者,...原创 2020-02-08 11:29:51 · 1345 阅读 · 0 评论 -
【论文阅读】【点云处理】pointnet++的改进
文章目录PATs & GSAPATs & GSA论文:Modeling Point Clouds with Self-Attention and Gumbel Subset Sampling2019CVPR,上海交大MoE实验室和华为诺亚方舟实验室本文主要改进了PointNet++中的FPS的部分,使得选取的点更能处理外点,将down sampling的点选取在attent...原创 2020-02-07 10:27:29 · 6464 阅读 · 8 评论 -
【论文阅读】【三维目标检测】Class-balanced Grouping and Sampling for Point Cloud 3D Object Detection
文章目录MEGVDS SamplingMulti-group Head Network效果Ablation Study代码Class-balanced Grouping and Sampling for Point Cloud 3D Object Detection出自旷视,nuScenes 3D Detection Challenge的冠军。本文更多的数据增广,训练的tricks,不是在网...原创 2020-01-05 14:22:57 · 2570 阅读 · 1 评论 -
【论文阅读】【三维目标检测】RT3D: Real-Time 3-D Vehicle Detection in LiDAR Point Cloud for Autonomous Driving
文章目录RT3D体素化检测网络实验结果RT3D: Real-Time 3-D Vehicle Detection in LiDAR Point Cloud for Autonomous DrivingIEEE ROBOTICS AND AUTOMATION LETTERS, 2018RT3D本方法是个两阶段模型,总体来说就是使用R-FCN在栅格上进行检测。本文时间较早,所以方法上感觉比较简...原创 2020-01-10 10:17:15 · 2223 阅读 · 0 评论 -
【论文阅读】【三维目标检测】StarNet: Targeted Computation for Object Detection in Point Clouds
文章目录StarNetCenter selectionFeaturizing local point clouds AfterConstructing final predictions from bounding box proposals实验讨论StarNet: Targeted Computation for Object Detection in Point CloudsWaymo出品...原创 2020-01-08 21:31:45 · 1555 阅读 · 0 评论