Deep Learning and Convolutional Neural Networks for Medical 本书详细介绍了在医学图像计算中的语义对象检测和分割以及大规模放射学数据库挖掘的深度学习方法。特别关注卷积神经网络的应用，理论支持实际例子。特性：突出显示了如何使用深度神经网络来解决新的问题和协议，以及如何改进医学图像计算中的现有挑战;探讨博士的深刻研究经验。全面回顾了最新的研究和文献;描述了一系列不同的方法，这些方法利用深度学习在2D和3D医学成像中进行物体或地标检测任务;使
Convolutional networks are the de-facto standard for analyzing spatio-temporal data such as images, videos, and 3D shapes. Whilst some of this data is naturally dense (e.g., photos), many other data sources are inherently sparse. Examples include 3D
作者：Tom Hardy
Date：2020-2-19
来源：汇总|3D点云分割算法
前言
最近在arXiv和一些会议上看到了几篇3D点云分割paper，觉得还不错，在这里分享下基本思路。
1、SceneEncoder: Scene-Aware Semantic Segmentation of Point Clouds with A Learnable Scene Descr iptor
除了局部特征外，全局信息在语义分割中起着至关重要的作用，而现有的研究往往无法明确地提取出有意义的全局信息并加
3D-SIS: 3D Semantic Instance Segmentation of RGB-D Scans (CVPR2019 Oral)
We present 3D-SIS, a new framework for 3d instance segmentation.
Data Generation
Data generation code is detailed in .
Download Traininig Data
The training data we generated is
