SA-SSD代码阅读

最新推荐文章于 2023-09-04 19:49:49 发布
最新推荐文章于 2023-09-04 19:49:49 发布
阅读量211 收藏
点赞数
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/z411470859/article/details/111912472
版权

1.数据加载

train_loader = build_dataloader(
        train_dataset,
        cfg.data.imgs_per_gpu,
        cfg.data.workers_per_gpu,
        dist=distributed)

中加载data，文件来源/home/zz/SA-SSD-master/mmdet/datasets/loader/build_loader.py中产生batch_size

// An highlighted block
        batch_size = num_gpus * imgs_per_gpu
        num_workers = num_gpus * workers_per_gpu
z411470859
关注
论文速度系列三：SA-SSD、CIA-SSD、SE-SSD
Clichong
12-08 1521
自从GoogleNet提出以来，一直觉得辅助任务是个好东西。利用了两个辅助任务让主干网络更加关注结构信息，这让我联想到了之前做推荐系统的跨域ctr估计。也是利用源域数据与目标域数据进行一个联合训练来优化结果。在论文的创新上，
SA-SSD：阿里达摩院最新3D检测力作（CVPR2020）
3D视觉工坊
04-16 1338
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达Brief来自CVPR2020的研究工作，也是仅仅使用Lidar数据进行3D检测的文章，CVPR2020接收的几篇文章中，采用LiD...
SA-SSD 代码阅读
qq_35632833的博客
08-01 1471
一. Auxiliary Network 1. 生成 point_cls 和 point_reg 的 label 在 Auxiliary Network 中， 需要分割出 前景点 和 背景点，首先需要生成前景点和背景点的 label def pts_in_boxes3d(pts, boxes3d): N = len(pts) M = len(boxes3d) pts_in_flag = torch.IntTensor(M, N).fill_(0) reg_target =
SA-SSD的ssd_rotate_head.py代码的Bug
Niuip的博客
04-08 698
真是坑啊， torch1.4.0跟torch1.1.0不太一样， 修改ssd_rotate_head.py代码中的bilinear_interpolate_torch_gridsample，改为 def bilinear_interpolate_torch_gridsample(image, samples_x, samples_y): C, H, W = image.shape ...
简析SA-SSD使用mmdect框架生成训练数据的代码细节
Niuip的博客
03-27 2322
1. 前言 我的上一篇博客简要分析了SA-SSD在预处理训练评估的框架。这篇博客将更近一步去分析SA-SSD内部网络。考虑到SSD是基于mmdetection实现的，所以这篇博客也会分析涉及到mmdetection的一部分代码。 ...
点云3d检测SA-SSD
weixin_34961608的博客
08-18 2082
点云3d目标检测方法SA-SSD，引入点级监督学习辅助网络，学习结构信息，借助前景分割任务提高对象边界定位精度，中心估计任务帮助对象尺度和形状的确定，实现更精准的目标定位。同时，改进PSRoIAlign，提出PSWarp，减少后处理NMS预测框和置信度不一致问题。......
3D目标检测算法配置——SA-SSD和spconv配置
guikunchen的博客
12-24 1420
Dependencies python3.5+ pytorch (作者用1.1.0，待会我们用1.4.0) opencv shapely mayavi spconv (v1.0, 8da6f967fb9a054d8870c3515b1b44eca2103634) spconv 1.0 其中，最难装的就是这个spconv，其他的直接pip install一下就好了。本来我用的是本地CUDA+venv来装环境，结果有很多莫名其妙的BUG，参考MartinHahner的做法配置成功了，我用的是MiniCond
SA-SSD：阿里达摩院最新3D检测力作编程
2301_79331328的博客
08-16 109
综上所述，SA-SSD是阿里达摩院最新推出的3D检测算法，通过融合点云数据和图像信息，实现了更准确、更高效的物体检测。SA-SSD算法的核心思想是将点云数据和图像信息进行融合，从而实现对3D物体的准确检测。具体而言，该算法基于SSD框架，在提取2D图像特征的同时，还通过点云数据提取了3D物体的特征。近日，阿里达摩院推出了一项名为SA-SSD的最新3D检测算法，该算法在准确性和效率方面取得了显著的突破。相比于传统的基于2D图像的检测算法，SA-SSD通过结合点云数据和图像信息，能够实现更加精准的物体检测。
【第19篇 】SE-SSD论文翻译
AI浩
10-22 1445
摘要 ​ 本文提出了一种基于自集成单级目标检测器(SE-SSD)的室外点云三维目标检测方法。我们的重点是利用我们的公式约束开发软目标和硬目标来联合优化模型，而不引入额外的计算在推理中。具体来说，SE-SSD包含一对teacher 和student ssd，在其中我们设计了一个有效的基于iou的匹配策略，从teacher中过滤软目标，并制定一致性损失对齐student的预测与他们。此外，为了最大限度地利用提炼出来的知识来集成teacher，我们设计了一种新的增强方案来产生形状感知的增强样本来训练stu
SA-SSD
03-22
SA-SSD：从点云进行结构感知的单阶段3D对象检测（CVPR 2020） 目前在KITTI BEV中排名第一，在KITTI 3D中排名第三。检测器可以25 FPS的速度运行。 作者：，，黄建强，华贤盛，。 更新 2020-04-13：添加one_cycle（with Adam）培训作为默认调度程序。 2020-08-04：支持多班培训。 （对多班制的转换没有很好的调整，在单班训练中（例如，每个班级都有一个单独的模型）会稍微降低模型的性能，请参阅下面的AP @（11个召回点）供您参考。） Car AP@0.70, 0.70, 0.70: bbox AP:98.96, 90.06, 89.52 bev AP:90.59, 88.43, 87.49 3d AP:89.69, 79.41, 78.33 aos AP:98.94, 89.89, 89.19 Car AP@0.70, 0
SA-SSD那点事儿
12-15 2474
1，辅助网络部分： 黑色点是point cloud原点，黄色点是tensor根据voxel index换原回原始点云后的坐标（也就是voxel内几何中心的实际位置，这个位置是虚拟的，不一定存在），黄色点外面的圈是tensor特征。 辅助网络的过程就是： （1），根据tensor2points计算出该特征对应原点云空间的位置，该位置不一定存在真实的原始点，只是个逻辑点。 （2），真实点云中的点是没有特征的，需要根据插值方法选择3个距离它最近的黄色的点，将他们的特征插值一份赋给原始点云中的点，这样它们就有
【文章阅读】SA-SSD
有所为，有所成长
04-21 4755
Brief 来自CVPR2020的研究工作，也是仅仅使用Lidar数据进行3D检测的文章，CVPR2020接收的几篇文章中，采用LiDar作为网络结构输入的已经已经多于采用图像和lidar的结合，从一方面讲，lidar数据由于包含了现实场景中的几何结构而比双目信息包含更加精确的信息。同时受到的外界条件的影响也相应的越小。 这是一篇来自 港理工和阿里达摩院的合作文章。 这里是 paper 这里是 c...
论文小结：SA-SSD
u013086672的博客
12-19 1217
SA-SSD收录于CVPR 2020。这是一篇由香港理工大学和阿里巴巴达摩院合作的工作。这篇文章作者提出一个One stage的方法，但又兼具two-stage方法的精细回归特性，作者在backbone的基础上添加了一个辅助网络，使得backbone具有structure aware的能力，使得定位更加准确。另外作者也对预测框和classification confidences之间不匹配的问题，也设计了一个新的解决办法。
[论文阅读]SA-SSD——基于点云的结构感知单阶段三维物体检测
最新发布
qq_53909832的博客
09-04 1万+
SA-SSD论文阅读
3D点云学习：SA-SSD①
themasterbi的博客
06-20 1141
0.序言 硕士阶段开始接触基于深度学习的自动驾驶课题，主要研究方向是基于激光雷达的环境感知。目前环境感知的结果包括：语义分割，目标识别和目标跟踪。在这里记录一下自己看过的论文，用的时候可以方便的找到。 1.论文简介 源码链接: https://github.com/skyhehe123/SA-SSD. 论文链接: https://www4.comp.polyu.edu.hk/~cslzhang/paper/SA-SSD.pdf. SA-SSD这是一篇来自 港理工和阿里达摩院的合作文章。投出了一种基于sing
小白科研笔记：剖析SA-SSD的Voxel生成和Anchor机制以及稀疏卷积特征变换细节
Niuip的博客
03-31 3764
1. 引言 对于3D目标检测算法SA-SSD，考虑到我还是个大白，代码层面上有$N$个细节我还不是特别懂。具体而言，我会解决以下几个问题： - `Voxel`是怎么生成的，数据格式是什么？ - `Anchor`是怎么生成的，数据格式是什么？以及`Anchor Mask`是什么？ - `Anchor`和`Anchor Mask`用在哪里？ - 3D稀疏卷积特征如何变成BEV特征？
SA-SSD复现
Roland_fire的博客
07-27 1640
SA-SSD复现 环境 Ubuntu 16.04 Python 3.6 pytorch 1.1.0 CUDA 10.0 Cudnn 7.6.4 依赖 python3.6+ pytorch (tested on 1.1.0) opencv shapely mayavi spconv (v1.0) 安装 基础安装： conda create --name SASSD python=3.6 conda activate SASSD conda install pytorch==1.1.0 torch
小白科研笔记：简析CVPR2020论文SA-SSD的网络搭建细节
Niuip的博客
03-28 3197
1. 引言 现有的3D目标检测的算法的实现都比较复杂。在深入网络细节之前，需要弄清楚数据的输入输出流，数据以怎样的format输入到核心算法模块，又以怎样的format输出，以及评价算法模块的指标又有哪些，等等基础问题。为什么需要了解这些基础问题？笔者觉得，分析他人代码的唯一目的就是搭建自己的代码。否则了解大概就足够了。不以自己实际需求为主纯粹地分析代码多少有些浪费时间（笑哭）。多多少少有些功利，...
SA-SSD: 基于结构感知的单阶段3D物体检测算法
本文档名为"SA-SSD.pdf"，主要探讨的是三维点云目标检测领域的创新算法。SA-SSD全称为StructureAware Single-stage 3D Object Detection from Point Cloud，该研究关注于自动驾驶等应用中至关重要的3D物体检测问题。...
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
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