常用的 3D 目標檢測模型有:
VoxelNet:基於卷積神經網路的模型,可以進行立體感知和目標檢測。
PointPillars:利用點雲資料進行立體感知和目標檢測的模型。
AVOD(Average Viewpoint Feature Aggregation for 3D Object Detection):基於多視角特徵聚合的 3D 目標檢測模型。
F-PointNet:使用自然場景點雲資料進行 3D 目標檢測的模型。
SECOND(Squeeze-and-Excitation Contextual Feature Learning for Point Cloud Based 3D Object Detection):使用壓縮和啟用特徵學習的 3D 目標檢測模型。
centerPoint : 3D檢測
3D目標檢測技術有哪些好用的模型?
相關文章
- 目標檢測---教你利用yolov5訓練自己的目標檢測模型YOLO模型
- 多角度SAR動目標檢測技術
- 0-目標檢測模型的基礎模型
- 訓練一個目標檢測模型模型
- 目標檢測模型的評價標準-AP與mAP模型
- R2CNN模型——用於文字目標檢測的模型CNN模型
- 52 個深度學習目標檢測模型深度學習模型
- 最新Anchor-Free目標檢測模型—FoveaBox模型
- Yolov5——訓練目標檢測模型YOLO模型
- 目標檢測
- 從滑動視窗到YOLO、Transformer:目標檢測的技術革新YOLOORM
- 目標檢測 YOLO v3 訓練 人臉檢測模型YOLO模型
- 移動應用隱私合規檢測簡介及目標檢測技術的應用
- 目標檢測資料集,全部有標註
- CVPR 2019 | PoolNet:基於池化技術的顯著性目標檢測
- 2018目標檢測
- 九、目標檢測
- 萬字長文概述單目3D目標檢測演算法3D演算法
- 目標檢測 YOLO v3 驗證 COCO 模型YOLO模型
- 目標檢測技術演化:從R-CNN到Faster R-CNNCNNAST
- 目標檢測之SSD
- 目標檢測之RetinaNetNaN
- 目標檢測面面觀
- 28-目標檢測
- 目標檢測綜述
- 2019 年的目標檢測指南
- 目標檢測:二維碼檢測方案
- 「技術綜述」一文道盡R-CNN系列目標檢測CNN
- 大話目標檢測經典模型:Mark R-CNN模型CNN
- 目標檢測模型——SPP (空間金字塔池化)模型
- 基於混合高斯模型的運動目標檢測演算法模型演算法
- CRM系統好用的標準有哪些?
- 目標檢測之YOLO系列YOLO
- 【目標檢測】Bounding Box Regression
- 目標檢測發展方向
- SSD 目標檢測 Keras 版Keras
- 【目標檢測】R-CNNCNN
- 從單幅影像到雙目立體視覺的3D目標檢測演算法視覺3D演算法