JavaShuo
欄目
標籤
點雲深度學習系列五: RSNet:Recurrent Slice Networks for 3D Segmentation on Point Clouds
時間 2020-12-30
標籤
RSNet
點雲深度學習
Recurrent Slice Networks
3D Segmentation
Point Cloud
欄目
Java開源
简体版
原文
原文鏈接
1. 整體框架 初始n*d的點雲,首先經過輸入特徵提取塊(3卷積層,每層64個1*1濾波器),輸出n*din大小的特徵Fin;通過x、y、z三個方向的切片池化層將無序點雲轉換爲有序序列;採用雙向RNN處理序列,更新特徵;採用切片上池化層映射回每個點;最後經過輸出特徵提取塊(3個1*1卷積層,輸出維度爲512,256,K),處理Fsu(切片上池化層的輸出),輸出每個點的預測 2.局部依賴模塊 Sli
>>阅读原文<<
相關文章
1.
Recurrent Slice Networks for 3D Segmentation of Point Clouds[CVPR2018]
2.
3D點雲深度學習」綜述論文--Deep Learning for 3D Point Clouds: A Survey
3.
3D Point Clouds-1
4.
3D點雲網絡:PointNet:Deep Learning on Point Sets for 3D Classification and Segmentation
5.
點雲深度學習系列三: SPLATNet: Sparse Lattice Networks for Point Cloud Processing
6.
【點雲識別】Multi-Path Region Mining ForWeakly Supervised 3D Semantic Segmentation on Point Clouds
7.
Ground Segmentation based on Loopy Belief Propagation for Sparse 3D Point Clouds (論文速讀)
8.
PointNet:Deep Learning on Point Sets for 3D Classificatiion and Segmentation
9.
[點雲分割]-Multi-Path Region Mining For Weakly Supervised 3D Semantic Segmentation on Point Clouds
10.
Fast Segmentation of 3D Point Clouds: A Paradigm on LiDAR Data for Autonomous Vehicle Applications閱讀
更多相關文章...
•
C# 點陣列(BitArray)
-
C#教程
•
您已經學習了 XML Schema,下一步學習什麼呢?
-
XML Schema 教程
•
算法總結-深度優先算法
•
Tomcat學習筆記(史上最全tomcat學習筆記)
相關標籤/搜索
深度學習系列
深度學習系列3
深度學習
networks
segmentation
point
clouds
slice
Unity 3D學習
深度學習 CNN
Java開源
雲服務
MySQL教程
NoSQL教程
Hibernate教程
學習路線
調度
阿里雲
0
分享到微博
分享到微信
分享到QQ
每日一句
每一个你不满意的现在,都有一个你没有努力的曾经。
最新文章
1.
1.2 Illustrator多文檔的幾種排列方式
2.
5.16--java數據類型轉換及雜記
3.
性能指標
4.
(1.2)工廠模式之工廠方法模式
5.
Java記錄 -42- Java Collection
6.
Java記錄 -42- Java Collection
7.
github使用
8.
Android學習筆記(五十):聲明、請求和檢查許可
9.
20180626
10.
服務擴容可能引入的負面問題及解決方法
本站公眾號
歡迎關注本站公眾號,獲取更多信息
相關文章
1.
Recurrent Slice Networks for 3D Segmentation of Point Clouds[CVPR2018]
2.
3D點雲深度學習」綜述論文--Deep Learning for 3D Point Clouds: A Survey
3.
3D Point Clouds-1
4.
3D點雲網絡:PointNet:Deep Learning on Point Sets for 3D Classification and Segmentation
5.
點雲深度學習系列三: SPLATNet: Sparse Lattice Networks for Point Cloud Processing
6.
【點雲識別】Multi-Path Region Mining ForWeakly Supervised 3D Semantic Segmentation on Point Clouds
7.
Ground Segmentation based on Loopy Belief Propagation for Sparse 3D Point Clouds (論文速讀)
8.
PointNet:Deep Learning on Point Sets for 3D Classificatiion and Segmentation
9.
[點雲分割]-Multi-Path Region Mining For Weakly Supervised 3D Semantic Segmentation on Point Clouds
10.
Fast Segmentation of 3D Point Clouds: A Paradigm on LiDAR Data for Autonomous Vehicle Applications閱讀
>>更多相關文章<<