用于道路场景实时准确语义分割的深度双分辨率网络
相关推荐
-
【DST系列】DST模型介绍
上两篇我们介绍了DST的基本概念,DST挑战,以及DST的模型分类,这一部分我们主要介绍有哪些模型能够解决DST存在的问题,以及能够解决哪些问题,不能解决哪些问题,对应的优缺点,深入理解模型设计的思想 ...
-
计算成本缩减100倍!港中文提出语义分割新方法:张量低秩重建|ECCV2020
提出背景:上下文信息在语义分割的作用很重要.目前的两种方法:一种是基于非局部自注意力对上下文信息进行收集.这种方法是用2D相似度矩阵描述3D上下文信息,但是这种空间压缩会导致通道方面的注意力的丢失.另 ...
-
3D-MiniNet: 从点云中学习2D表示以实现快速有效的3D LIDAR语义分割(2020)
西班牙Zaragoza大学的研究人员提出的最新3D点云语义分割的深度学习方法,网络分为两大部分,提出新的滑动框搜索球形投影后的"像素点",接着使用改进的MiniNetV2网络进行分 ...
-
多尺度深度特征(上):多尺度特征学习才是目标检测精髓(干货满满,建议收藏)
计算机视觉研究院专栏 作者:Edison_G 深度特征学习方案将重点从具有细节的具体特征转移到具有语义信息的抽象特征.它通过构建多尺度深度特征学习网络 (MDFN) 不仅考虑单个对象和局部上下文,还考 ...
-
Pylance 性能更新,微软新的VS Code Python 插件已趋于稳定
微软宣布,Pylance -- 其在Visual Studio Code中对Python的快速且功能丰富的语言支持,现已正式完成测试,并达到其第一个稳定版本. 本周早些时候,Pylance 已被列为 ...
-
基于相机和低分辨率激光雷达的三维车辆检测
标题:3D Vehicle Detection Using Camera and Low-Resolution LiDAR Zhang, Rui Huang, Le Cui, Siyu Zhu, an ...
-
三维点云语义分割总览
标题:三维点云语义分割总览 作者:吉祥街 欢迎各位加入免费知识星球,获取PDF文档,欢迎转发朋友圈,分享快乐. 希望有更多的小伙伴能够加入我们,一起开启论文阅读,相互分享的微信群.参与和分享的方式:d ...
-
【论文速读】RandLA-Net大规模点云的高效语义分割
文章:RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds 作者:Qingyong Hu1, Bo Yang1 ...
-
用于RGB-D语义分割的全局-局部传播网络
点击上方"深度学习爱好者",选择加"星标"或"置顶" 重磅干货,第一时间送达 小白导读 论文是学术研究的精华和未来发展的明灯.小白决心每天为 ...
-
用于语义分割的特征共享协作网络
重磅干货,第一时间送达 小白导读 论文是学术研究的精华和未来发展的明灯.小白决心每天为大家带来经典或者最新论文的解读和分享,旨在帮助各位读者快速了解论文内容.个人能力有限,理解难免出现偏差,建议对文章 ...
-
17毫秒每帧!实时语义分割与深度估计
用更小更快的模型达到state-of-the-art效果的多任务学习 今天跟大家分享几天前arXiv上的一篇兼顾模型速度与性能的论文<Real-Time Joint Semantic Segme ...
-
Toronto-3D:用于城市道路语义分割的大规模移动激光雷达数据集
文章:Toronto-3D: A Large-scale Mobile LiDAR Dataset for Semantic Segmentation of Urban Roadways 作者:Wei ...
-
用于半监督语义分割的基于掩码的数据增强
重磅干货,第一时间送达 小白导读 论文是学术研究的精华和未来发展的明灯.小白决心每天为大家带来经典或者最新论文的解读和分享,旨在帮助各位读者快速了解论文内容.个人能力有限,理解难免出现偏差,建议对文章 ...
-
【泡泡点云时空】实时的多机SLAM系统:用于动态场景中的定位和3D建图
泡泡点云时空,带你精读点云领域顶级会议文章 标题:Real-Time Multi-SLAM System for Agent Localization and 3D Mapping in Dynami ...
-
MPASNET:用于视频场景中无监督深度人群分割的运动先验感知SIAMESE网络
重磅干货,第一时间送达 小白导读 论文是学术研究的精华和未来发展的明灯.小白决心每天为大家带来经典或者最新论文的解读和分享,旨在帮助各位读者快速了解论文内容.个人能力有限,理解难免出现偏差,建议对文章 ...
-
CVPR 2019 | 微软亚研院提出用于语义分割的结构化知识蒸馏
作者信息: 作者分别来自澳大利亚阿德莱德大学.微软亚洲研究院.北航.Keep公司.三星中国研究院,该文为第一作者Yifan Liu在微软亚洲研究院实习期间的工作. 该文研究了在语义分割模型的知识蒸馏中 ...
-
新开源!实时语义分割算法Light-Weight RefineNet
文中原作者修改了一篇BMVC2018的论文<Light-Weight RefineNet for Real-Time Semantic Segmentation>中提出的算法,使用知识蒸馏 ...