JavaShuo
栏目
标签
点云深度学习系列五: RSNet:Recurrent Slice Networks for 3D Segmentation on Point Clouds
时间 2020-12-30
标签
RSNet
点云深度学习
Recurrent Slice Networks
3D Segmentation
Point Cloud
栏目
Java开源
繁體版
原文
原文链接
1. 整体框架 初始n*d的点云,首先经过输入特征提取块(3卷积层,每层64个1*1滤波器),输出n*din大小的特征Fin;通过x、y、z三个方向的切片池化层将无序点云转换为有序序列;采用双向RNN处理序列,更新特征;采用切片上池化层映射回每个点;最后经过输出特征提取块(3个1*1卷积层,输出维度为512,256,K),处理Fsu(切片上池化层的输出),输出每个点的预测 2.局部依赖模块 Sli
>>阅读原文<<
相关文章
1.
Recurrent Slice Networks for 3D Segmentation of Point Clouds[CVPR2018]
2.
3D点云深度学习」综述论文--Deep Learning for 3D Point Clouds: A Survey
3.
3D Point Clouds-1
4.
3D点云网络:PointNet:Deep Learning on Point Sets for 3D Classification and Segmentation
5.
点云深度学习系列三: SPLATNet: Sparse Lattice Networks for Point Cloud Processing
6.
【点云识别】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 (论文速读)
8.
PointNet:Deep Learning on Point Sets for 3D Classificatiion and Segmentation
9.
[点云分割]-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阅读
更多相关文章...
•
C# 点阵列(BitArray)
-
C#教程
•
您已经学习了 XML Schema,下一步学习什么呢?
-
XML Schema 教程
•
算法总结-深度优先算法
•
Tomcat学习笔记(史上最全tomcat学习笔记)
相关标签/搜索
深度学习系列
深度学习系列3
深度学习
networks
segmentation
point
clouds
slice
Unity 3D学习
深度学习 CNN
Java开源
云服务
MySQL教程
NoSQL教程
Hibernate教程
学习路线
调度
阿里云
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多文档的几种排列方式
2.
5.16--java数据类型转换及杂记
3.
性能指标
4.
(1.2)工厂模式之工厂方法模式
5.
Java记录 -42- Java Collection
6.
Java记录 -42- Java Collection
7.
github使用
8.
Android学习笔记(五十):声明、请求和检查许可
9.
20180626
10.
服务扩容可能引入的负面问题及解决方法
本站公众号
欢迎关注本站公众号,获取更多信息
相关文章
1.
Recurrent Slice Networks for 3D Segmentation of Point Clouds[CVPR2018]
2.
3D点云深度学习」综述论文--Deep Learning for 3D Point Clouds: A Survey
3.
3D Point Clouds-1
4.
3D点云网络:PointNet:Deep Learning on Point Sets for 3D Classification and Segmentation
5.
点云深度学习系列三: SPLATNet: Sparse Lattice Networks for Point Cloud Processing
6.
【点云识别】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 (论文速读)
8.
PointNet:Deep Learning on Point Sets for 3D Classificatiion and Segmentation
9.
[点云分割]-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阅读
>>更多相关文章<<