3D点云two-stage目标检测方法优化综述

最新推荐文章于 2024-08-21 07:31:15 发布
最新推荐文章于 2024-08-21 07:31:15 发布
阅读量649 收藏
点赞数
分类专栏： 3D视觉从入门到精通 文章标签： 网络 算法 机器学习 人工智能 编程语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yong_qi2015/article/details/107625323
版权
本文深入探讨3D点云两阶段目标检测方法，重点在于第二阶段的细化（refine）策略，包括F-Pointnet、PointRCNN、Fast-PointRcnn等方法。文章指出，两阶段方法精度高但速度慢，适用于追求精度的学术研究。作者总结了refine阶段的发展趋势，如利用未充分利用的信息和结构进行优化，并提供了未来研究的思路。
摘要由CSDN通过智能技术生成

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

前言

和二维图像目标检测一样，3D点云目标检测除了按照输入模态划分为基于点云、基于单目、基于双目或者是多模态融合的方法。也可以按照对proposal的提出和优化分为one-stage、two-stage甚至three-stage的方法。当然也可以再根据是否设置anchor分为anchor-based和anchor-free的工作。下图表示了目前的一些近两年的文章，包括了室内和室外的点云目标检测算法。

这一篇文章核心介绍一些two-sgate的方法中的refine阶段怎么做的。

1. 为啥要做两阶段方法

当然在工业界目前为了能够实时都是以one-stage的方法居多，两阶段的方法优点是精度高，回归准但是缺点是速度慢，所以在很多刷榜的任务中

了解本专栏 订阅专栏 解锁全文 超级会员免费看
3Ｄ视觉工坊
关注
专栏目录
订阅专栏
Faster-Rcnn：Two-Stage目标检测模型在Keras当中的实现.zip
09-06
Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段，主要用于生成潜在的目标候选框（Bounding-box proposals）。这个阶段通常使用卷积神经网络（CNN）从输入图像中提取特征，然后...
3D点云深度学习综述
dxzysk的专栏
03-06 5735
3D点云深度学习综述Deep Learning for 3D Point Clouds: A Survey论文翻译 作者：Yulan Guo, Hanyun Wang, Qingyong Hu, Hao Liu, Li Liu, and Mohammed Bennamoun 译者：dxzysk 译者注：本文仅是对原论文的翻译，作为学习笔记仅供记录、参考学习使用，建议阅读作者的英文原文。受水平限制，难免有错误之处，尽情谅解。 原论文：https://arxiv.org/abs/1912.1203...
三维点云深度学习研究综述
qq_42549774的博客
06-17 9763
三维点云深度学习研究综述 论文：Deep Learning for 3D Point Clouds: A Survey 作者：Yulan Guo 时间：2019-12 引言 动机：Point cloud learning （点云学习）由于在视觉、自动驾驶、机器人等方面的广泛应用，近年来受到了广泛的关注。最近，随着点云的深度学习变得更加兴旺，人们提出了许多方法来解决这一领域的不同问题。为了促进未来的研究，本文对点云深度学习方法的最新进展进行了全面的综述。 挑战： 深度学习技术目前已经成为成功解决各种二维
多模态3D再进化！DeepInteraction++：融合感知算法新SOTA（复旦）
CV_Autobot的博客
08-21 162
点击下方卡片，关注“自动驾驶之心”公众号戳我->领取自动驾驶近15个方向学习路线今天自动驾驶之心为大家分享复旦大学最新的多模态3D检测工作—DeepInteraction！如果您有相关工作需要分享，请在文末联系我们！自动驾驶课程学习与技术交流群事宜，也欢迎添加小助理微信AIDriver004做进一步咨询>>点击进入→自动驾驶之心『多传感器融合』技术交流群论文作者| Zeyu ...
GitHub 开源分享 | PointRCNN - 第一个基于原始点云的两阶段3D目标检测
Z's Palace
06-07 536
目前作者公布的代码只能对一个类别做检测，假设这个类就是“车”，这也是KITTI数据集中标注最多的类，这个目标检测方法分两个阶段：（1）第一阶段：生成一大堆很冗余的bounding box。首先，对点云语义分割，对每个点的到一个预测label，比如现在：对所有判断是“车”的点（也叫做前景点），赋予label=1，其他点（也叫做背景点），赋予label=0。然后，用所有前景点生成bounding box，一个前景点对应一个bounding box。但是必须要保证语义分割结果的准确。然后作者使用了一些去除冗余的方
3D点云目标检测 two-stage方法trefine方法综述
有所为，有所成长
07-28 1861
前言 和二维图像目标检测一样，3D点云目标检测除了按照输入模态划分为基于点云、基于单目、基于双目或者是多模态融合的方法。也可以按照对proposal的提出和优化分为one-stage、two-stage甚至three-stage的方法。 ...
3D目标检测-二阶段方法（region proposal-based Methods）之基于多视角的方法（Multi-view based）解读
zz937211040的博客
01-14 1833
3D目标检测–region proposal-based Methods–Multi-view based Methods： 1.MV3D（2017 CVPR）  鸟瞰图的优势：首先，物体在投影到鸟瞰图时保持了物理尺寸，因此具有较小的尺寸差异，这与前视图/RGB图平面的情况不同。其次，鸟瞰图中的物体占据不同的空间，从而避免了遮挡问题。第三，在道路场景中，由于物体通常位于地面上，垂直位置的变化很小，鸟瞰位置对于获得准确的三维边界盒更有优势。 算法流程：  输入的鸟瞰图包含M个高度图切片，一个密度图和一个强
超全汇总 | 基于Camera的3D目标检测算法综述！（单目/双目/伪激光雷达）
CV_Autobot的博客
09-02 3066
点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流群后台回复【数据集下载】获取计算机视觉近30种数据集！目前3D目标检测领域方案主要包括基于单目、双目、激光雷达点云、多模态数据融合等方式，本文主要介绍基于单目、双目和伪激光雷达数据的相关算法，下面展开讨论下~3D检测任务介绍3D检测任务一般通过图像、点云等输入数据，预测目标相比于相机或lidar坐标系的...
深度学习-图像识别FPN(Feature Pyramid Networks)
Tc、zyh的博客
10-20 2109
文章目录一、FPN二、FPN的整体架构FPN应用于RPN层四、FPN总结 一、FPN 卷积网络的一个重要特征：深层网络容易响应语义特征，浅层网络容易响应图像特征。但是到了物体检测领域，这个特征便成了一个重要的问题，高层网络虽然能响应语义特征，但是由于Feature Map的尺寸较小，含有的几何信息并不多，不利于物体检测；浅层网络虽然包含比较多的几何信息，但是图像的语义特征并不多，不利于图像的分类，这个问题在小尺寸物体检测上更为显著，这也就是为什么物体检测算法普遍对小物体检测效果不好的最重要原因之一。很自然地
图像分割--RefineNet
zk_ken的博客
05-28 1709
论文：https://arxiv.org/pdf/1611.06612.pdf代码：https://github.com/guosheng/refinenet [MatConvNet]参考文献：https://blog.csdn.net/u010067397/article/details/78836173              https://blog.csdn.net/melpancake...
目标检测算法主要包括：两类two-stage和one-stage
最新发布
09-05
一类是two-stage，two-stage检测算法将检测问题划分为两个阶段，首先产生候选区域（region proposals），然后对候选区域分类（一般还需要对位置精修），这一类的典型代表是R-CNN,….zip目标检测（Object Detection）...
深度信息融合显着目标检测
03-19
深度信息融合显着目标检测
Two-stage-TrAdaboost.R2
05-11
Pardoe的论文“回归传递的提升（ICML 2010）”中的两阶段TrAdaBoost.R2算法 ... | __init__ | fit | _twostage_adaboostR2 | _beta_binary_search | predict 第一类Stage2_TrAdaBoostR2是sklearn软件包中AdaBoostRe
A two-stage genetic algorithm for automatic clustering
02-21
In this paper, a two-stage genetic clustering algorithm (TGCA) is proposed. This algorithm can automatically determine the proper number of clusters and the proper partition from a given data set. The...
SIGAI1012-目标检测算法综述1
08-03
根据处理方式，深度学习目标检测算法主要分为两类：【One-Stage】和【Two-Stage】。 One-Stage 算法，如【YOLO】（You Only Look Once）、【SSD】（Single Shot MultiBox Detector）和【CornerNet】，直接预测物体...
天池大赛通用目标检测的对抗攻击方法一览
Paper weekly
08-19 2603
©PaperWeekly 原创 · 作者｜文永亮学校｜哈尔滨工业大学（深圳）研究方向｜时空序列预测，目标检测赛题：1000张图，在图上贴补丁，最多不超过10个，导致检测框失效就算得分。比...
WebSphere启用了TRACE，OPTIONS等不安全的HTTP方法漏洞修复
LENGTH18的博客
08-27 4204
WebSphere启用了TRACE，OPTIONS等不安全的HTTP方法 因甲方要求项目必须基于was服务器运行，在基于was服务器的安全扫描时发现漏洞，由于对was服务器的不熟悉，并且相关was问题搜索结果甚少，导致修复5个漏洞耗时4天才得以修复，此帖子记录修复方式和踩过的坑。 安全扫描出的漏洞中其主要漏洞为未关闭http的不安全请求方式，基于现有系统只有get和post请求，下面方法除get和post方式请求其余全部拦截，主要方式通过拦截去获取当前请求方式，判断是否允许访问。 扫描出来漏洞为下面五个，其
【点云系列】Point-Voxel CNN for Efficient 3D Deep Learning
weixin_43882112的博客
05-06 1777
文章目录1. 概要2. 动机3.方法3.1 Point分支3.2 Voxel分支3.2.1 正则化 （Normalization）3.2.2 体素化（Voxelization）3.2.3 特征聚合（Feature Aggregation）3.2.4 去体素化（Devoxelization）3.3 融合4. 效果4.1 部件分割对比4.2 场景分割 比对4.3 目标检测4.4 可视化分析4.5 效率分析5. 思考6. 参考 1. 概要 会议：NIPS19 spotlight 论文：https://arxiv.
3D点云目标检测：MPPNet网络训练waymo数据集
zhaoguanhua的博客
04-09 4440
注意事项，要求内存大于100G，使用gt_sampling策略，不要使用share_memory策略。注意：验证集的版本要新一点，旧的的验证集合没有目标的点数，无法区分level1和level2。在这里记录一下MPPNet网络训练waymo数据的过程。三、训练centerpoint网络。一、waymo数据集介绍。二、waymo数据预处理。四、训练mppnet网络。
two-stage目标检测
05-22
Two-stage目标检测是一种常用的目标检测方法，其主要思想是分为两个阶段进行目标检测。第一阶段是利用候选框生成算法（如Selective Search、Edge Boxes等）生成多个候选框，每个候选框都可能包含目标物体。第二阶段...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

3Ｄ视觉工坊

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值