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
最新最強の物体検出技術M2Detを動かしてみた - Qiita
はじめに 先日以下の記事を書きました。 最新最強の物体検出技術M2Det で、著者らによる実装がGitHubで公開されたので動かしてみると共にSSDとざっくり比較しました。結論を言ってしまうと、今回試した範囲ではM2DetはSSDよりも遅かったですが、特に小さな物体に対する検出精度がかなり高いです。 実験環境 今回はASUSのゲーム向けラップトップROG ZEPHYRUSGX 501GIを使いました。GTX 1080を積んでるにも関わらずまぁ持ち歩けなくはないというレベルのサイズを実現している優秀なマシンです。スペックはざっとこんな感じです。 CPU: Intel Core i7-8750H @ 2.2GHz MEM: 24GB GPU: NVIDIA GeForce GTX 1080 Max-Q OS: Ubuntu 16.04 LTS 実装 冒頭にも書いたように著者らの実装をそのまま使
最新最強の物体検出技術M2Det - Qiita
はじめに AAAI19で北京大学、アリババ、テンプル大学の合同チームにより発表された物体検出技術M2Detについての解説です。 Qijie Zhao et al., M2Det: A Single-Shot Object Detector based on Multi-Level Feature Pyramid Network. 下記は論文から引用した他手法との性能比較図ですが、水色の★がM2Detです。横軸が処理時間、縦軸が検出精度なので、左上にいくほど性能が高い（高速かつ高精度）ことになりますが、M2DetはRetinaNetやRefineDet、SSDやYOLOなどの有名な既存手法を凌駕していることがわかります。 ざっくりとしたアーキテクチャは以下のように図示されていますが、これだけではよくわからないので細かく中身を見ていきたいと思います。 アーキテクチャ概要 M2Detのアーキテク
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
