- 博客(13)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 阅读笔记--[CVPR2021] Panoptic-PolarNet: Proposal-free LiDAR Point Cloud Panoptic Segmentation
Abstract全景分割的目的是在单一训练体系结构中统一实例分割和语义分割。论文中提出了一个快速和稳健的LiDAR点云全景分割框架(Panoptic-PolarNet)。文中使用了极坐标鸟瞰图(BEV)表示在单个推理网络中学习语义分割和类无关的实例聚类，这样能够避免城市街道场景中实例之间的遮挡问题。为了提高网络的可学习性，作者还提出了一种改进的实例扩充技术和一种新的对抗性点云剪枝方法。...
2021-07-13 23:04:00
171
原创 阅读笔记--[CVPR2021] Omni-supervised Point Cloud Segmentation via Gradual Receptive Field Component Reas...
Abstract由于之前的监督学习仅针对神经网络中的输出结果进行预测，因此隐藏层特征通常无法学习到3D分割的信息表达，然而这个问题可以通过对中间层的多尺度监督来解决。在本文中，作者首次提出了基于渐进感受野分量推理(RFCR)的全尺寸监督点云分割方法，其中目标感受野局部区域编码 (RFCCs)的目的是记录编码器中隐藏单元的感受野区域的类别。然后目标RFCCs将监督解码器以从粗到细的类别推...
2021-07-04 17:41:00
83
原创 Ubuntu20.04安装gcc-5
1. 管理员权限打开sources.listsudo vim /etc/apt/sources.list2. 在sources.list最后添加以下软件源deb http://dk.archive.ubuntu.com/ubuntu/ xenial maindeb http://dk.archive.ubuntu.com/ubuntu/ xenial universe3. 下载gcc-5、g+±5sudo apt updatesudo apt install gcc-5 g++-54.
2021-06-25 11:12:30
5777
5
原创 阅读笔记--[CVPR2021] Semantic Segmentation for Real Point Cloud Scenes via Bilateral Augmentation and Ad...
Abstract基本任务：大规模点云上的语义分割一方面，为了减少邻近点的歧义，通过充分利用双边结构中的几何和语义特征来增加它们的局部上下文。另一方面，全面地从多个分辨率中提取点的存在性，并在点级按照自适应融合方法表示特征图，以实现精确的语义分割。Introduction文章重点：研究大规模复杂点云的语义分割任务，以识别真实点云场景中每个点的语义标签。基于投影的(AlaxNet)...
2021-06-08 20:53:00
72
原创 阅读笔记--[CVPR2020] RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds
Abstract研究了大规模三维点云的有效语义分割问题。由于依赖昂贵的采样技术和繁重的预处理/后处理步骤，大多数现有方法只能在小规模的点云上进行训练和操作。本文提出了RandLA-Net，一个高效和轻量级的神经体系结构，用于直接推断大规模点云的点语义。方法的关键是使用随机点采样，而不是更复杂的点选择方法，并且为了克服随机点采样可能会丢失一些关键特征的问题，文中引入了一种新的局部特征聚合...
2021-05-07 16:29:00
29
原创 阅读笔记--SVGA-Net: Sparse Voxel-Graph Attention Network for 3D Object Detection from Point Clouds
1、Introduction2、Proposed method2.1 Voxel-graph network architecture1、Introduction单纯地将点云投影到不同的视图并不能很好地捕捉到物体地几何信息，许多方法都需要在设计的网络中结合RGB图像。仅用体素化的方法并没有很好地利用点云地特性，随着分辨率的增加带来了巨大的计算负担。以点网（PointNet）为骨干的网络直接对点云进行处理，无法构建分组点集之间的邻居关系。Point-GNN与ShapeContextNet和Poin.
2021-03-15 19:12:07
558
原创 阅读笔记--[CVPR2020] Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud
文章目录Abstruct1、Introduction2、Point-GNN for 3D Object Detection in a Point Cloud2.1 Graph Construction2.2 Graph Neural Network with Auto-RegistrationAbstruct提出了一种图神经网络来检测激光雷达点云中的目标，为此将点云编码在一个固定半径的近邻图中。设计了Point-GNN来预测图中每个顶点所属对象的类别和形状。在Point-GNN中，作者提出了一种
2021-03-03 22:19:27
559
原创 阅读笔记--[CVPR2018] 3D Semantic Segmentation with Submanifold Sparse Convolutional Networks
文章目录一、Introduction二、Spatial Sparsity for Convolutional Networks三、Submanifold Convolutional Networks1、Sparse Convolution Operations2、Implementation四、Submanifold FCNs and U-Nets for Semantic Segmentation五、Experiments一、Introduction卷积网络(ConvNets)构成了最先进的方法，用
2021-02-01 14:59:46
1286
原创 [ECCV2020] Deep FusionNet for Point Cloud Semantic Segmentation 笔记
[ECCV2020] Deep FusionNet for Point Cloud Semantic Segmentation文章目录[ECCV2020] Deep FusionNet for Point Cloud Semantic Segmentation一、Introduction(1) motivation(2) Advantages二、FusionNet(1) Point Cloud Representation2.读入数据总结一、Introduction(1) motivation基
2021-01-24 17:51:32
625
原创 [Java枚举类] 枚举类的创建、Enum类中的常用方法、使用 enum 关键字定义的枚举类实现接口
根据尚硅谷的视频做的JUC学习笔记目录一、枚举类的创建1. 自定义枚举类2. 使用 enum 关键字定义枚举类二、Enum 类中的常用方法三、使用 enum 关键字定义的枚举类实现接口1. 实现接口，在enum类中实现抽象方法2. 让枚举类的对象分别实现接口中的抽象方法一、枚举类的创建1. 自定义枚举类步骤：（1）声明Season对象的属性：private final修饰（2）2.私有化类的构造器，并给对象属性赋值（3）提供当前枚举类的多个对象：public static final的（4）其他诉
2020-11-22 17:50:52
1008
1
原创 [JUC学习笔记二] 线程的生命周期、线程的同步、线程的同步问题、Lock锁、线程的通信
Java多线程笔记(二)根据尚硅谷的视频做的JUC学习笔记目录Java多线程笔记(二)一、线程的生命周期二、线程的同步同步机制单例设计模式之懒汉式(线程安全)三、线程的死锁问题四、Lock锁五、线程的通信一、线程的生命周期一个完整的生命周期通常要经历如下的五种状态：新建： 当一个Thread类或其子类的对象被声明并创建时，新生的线程对象处于新建状态就绪：处于新建状态的线程被start()后，将进入线程队列等待CPU时间片，此时它已具备了运行的条件，只是没分配到CPU资源运行：当就绪的线程
2020-11-22 14:05:58
121
原创 [JUC学习笔记一] 线程的基本概念、线程的创建、线程的使用
Java多线程笔记(一)目录Java多线程笔记(一)一、基本概念二、线程的创建和使用1. 线程的创建方式一：继承于Thread类方式二：实现Runnable接口创建Thread匿名子类的方式2. 线程的使用Thread类的常用方法线程的调度线程的优先级线程的分类一、基本概念程序(program)：是为完成特定任务、用某种语言编写的一组指令的集合。即指一段静态的代码，静态对象。进程(program)：是程序的一次执行过程，或是正在运行的一个程序。是一个动态的过程：有它自身的产生、存在和消亡的过
2020-11-21 21:17:32
96
2
原创 tensorflow版使用uNet进行医学图像分割(Skin数据集)
tensorflow版使用uNet进行医学图像分割(Skin数据集) 计算机视觉、深度学习uNet医学图像分割实验笔记文章目录tensorflow版使用uNet进行医学图像分割(Skin数据集)1. 数据集处理1.1 加载数据集并保存1.2 修改图像格式1.3 创建csv文件来保存训练集和标签的路径1.4 定义读取数据的函数2. 定义uNet网络模型3. 主函数4. 预测5. 结果展示1. 数据集处理在这个实例中用到了Skin皮肤数据集，数据集的百度网盘下载地址： skin皮肤数据集 提取码:
2020-11-13 21:29:31
6231
12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人