点群データにおける表現学習 - Ridge-institute R&D Blog
こんにちは，株式会社Ridge-iの@obaradsです．本記事では点群処理における表現学習手法について紹介します．また，本記事は@machinery81にレビューしていただきました． TL;DR 表現学習とは 点群で表現学習を扱う理由 点群の特徴の生成 ラベル付きデータが制限されている状況下におけるモデルの性能向上 点群間の対応を見つけるための表現学習 表現学習方法について 再構築タスクによる学習 Contrastive Learning 点群の表現学習に関する文献紹介 点群処理への深層学習の適用以前の特徴量の算出 ～2017年：PointNetが提案される以前の表現学習手法 2017～2019年：PointNetが提案されて以降の生成モデルを用いた表現学習手法 2019～2020年：自己教師あり学習を利用した表現学習手法 2020年～：シーン点群に着目した表現学習手法 まとめと今後の傾
点群における3Dターゲット検出の新しいフレームワークVoteNet、2つのデータセットで最高精度を更新
3つの要点 ✔️ 2D検出器に頼ることなく生データを直接3Dターゲット検出が可能 ✔️ 点群ネットワークに古典的なハフ変換に似た投票メカニズムであるVoteNetを提案 ✔️ 従来手法の多くを凌駕した Deep Hough Voting for 3D Object Detection in Point Clouds written by Charles R. Qi, Or Litany, Kaiming He, Leonidas J. Guibas (Submitted on 21 Apr 2019 (v1), last revised 22 Aug 2019 (this version, v2)) Comments: Published by ICCV 2019 Subjects: Computer Vision and Pattern Recognition (cs.CV) はじめに
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
AI（人工知能）・3D（3次元画像処理）・データ解析・システム開発・データサイエンス・メディアアート | 東京都新宿区 | Tengun-label
GitHub - open-mmlab/OpenPCDet: OpenPCDet Toolbox for LiDAR-based 3D Object Detection.
