SDOD: Real-time Segmenting and Detecting 3D Objects by Depth（實時3D檢測與分割）

做者：Tom Hardy Date：2020-2-24 來源：SDOD：基於depth的實時3D檢測與分割web 主要思想與創新點 大多數現有的實例分割方法只關注2D對象，不適用於三維場景，如自動駕駛。本文提出了一種將實例分割和目標檢測分爲兩個並行分支的模型，將對象深度離散爲「深度類別」（背景設置爲0，對象設置爲[1，K]），將實例分割任務轉化爲像素級分類任務。mask分支預測像素級的「深度類別」

>>阅读原文<<