博客
关于我
【3D目标检测】VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection
阅读量:447 次
发布时间:2019-03-06

本文共 149 字,大约阅读时间需要 1 分钟。

目录

  • 概述
    • 研究背景与动机
    • 主要贡献
  • 网络结构
    • 特征学习网络
      • 体素划分与分配
      • VFE特征提取
      • 特征编码与融合
    • 3D卷积层
    • RPN网络
      • 网络架构设计
      • anchor的定义与选择
  • 损失函数
    • 分类损失
      • 交叉熵损失
    • 回归损失
      • 平滑L1损失
  • 实现细节
    • 前端特征提取模块
    • 后端3D卷积与RPN
  • 配置文件与参数设置

转载地址:http://shwfz.baihongyu.com/

你可能感兴趣的文章
memcache、redis原理对比
查看>>
memset初始化高维数组为-1/0
查看>>
Metasploit CGI网关接口渗透测试实战
查看>>
Metasploit Web服务器渗透测试实战
查看>>
MFC模态对话框和非模态对话框
查看>>
Moment.js常见用法总结
查看>>
MongoDB出现Error parsing command line: unrecognised option ‘--fork‘ 的解决方法
查看>>
mxGraph改变图形大小重置overlay位置
查看>>
MongoDB可视化客户端管理工具之NoSQLbooster4mongo
查看>>
Mongodb学习总结(1)——常用NoSql数据库比较
查看>>
MongoDB学习笔记(8)--索引及优化索引
查看>>
mongodb定时备份数据库
查看>>
mppt算法详解-ChatGPT4o作答
查看>>
mpvue的使用(一)必要的开发环境
查看>>
MQ 重复消费如何解决?
查看>>
mqtt broker服务端
查看>>
MQTT 保留消息
查看>>
MQTT 持久会话与 Clean Session 详解
查看>>
MQTT工作笔记0007---剩余长度
查看>>
MQTT工作笔记0009---订阅主题和订阅确认
查看>>