baihongyu.com
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>>