注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 3D-RCNN: Instance-level 3D Object Reconstruction via Render-and-Compare

  2. We present a fast inverse-graphics framework for instance-level 3D scene understanding. We train a deep convolutional network that learns to map image regions to the full 3D shape and pose of all object instances in the image. Our method produces a

  3. 所属分类：深度学习

    • 发布日期：2018-07-04
    • 文件大小：3145728
    • 提供者：algofei

  1. Python-基于立体声RCNN的自动驾驶三维物体检测

  2. Code for Stereo R-CNN based 3D Object Detection for Autonomous Driving (CVPR 2019)

  3. 所属分类：其它

    • 发布日期：2019-08-11
    • 文件大小：7340032
    • 提供者：weixin_39841856

  1. 3D物体检测(一).md

  2. 总结一下在bilibili上看到的[基于点云场景的三维物体检测算法及应用](https://www.bilibili.com/video/av89811975),是香港中文大学博士生所作报告有兴趣的也可以去看看这个视频。 这一部分主要总结一下报告主要的三个论文:PointRCNN、Part-A^2、PV-RCNN

  3. 所属分类：深度学习

    • 发布日期：2020-02-24
    • 文件大小：6144
    • 提供者：weixin_41134246

  1. basketballVideoAnalysis-源码

  2. 体育视频分析 有关请参见Wiki页面。 法院侦查 在查看有关法院侦查的详细信息。 人的Mask R-CNN（mask-rcnn） 查看详细信息包括在线教程。 视频输出示例 播放器的颜色检测（颜色检测） 运行脚本将生成带有RGB值和每种颜色百分比的CSV。 待办事项：将每种颜色的结果分为两组，希望按颜色识别每个团队。 玩家追踪 请参阅有关文章 另请参阅具有不同解决方案的视频。 动作分类 这是必需的，因此我们可以对玩家的游戏行为进行分类。 法院的单应性制图 将3D球场映射到2D版本，这是运动分析所需

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：56623104
    • 提供者：weixin_42133753

  1. vision3d:PyTorch中用于3D对象检测的研究平台-源码

  2. 聚氯乙烯 的非官方Pytorch实现：用于3D对象检测的Point-Voxel特征集抽象。 新闻（03/02/2020） 添加了SECOND的实现。 项目目标 强调简单的代码库（没有1,000个LOC函数）。 通用3D检测库（易于扩展到新模型）。 希望能重现论文结果。 现状和计划 此回购协议仍在积极开发中。 当代码库稳定且结果良好时，我将发布一个经过预训练的模型。 我将添加更详细的训练和推断说明。 我将添加代码库的描述和设计选择。 用法 参见 。 安装 请参阅并询问是否有任何问题。

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：851968
    • 提供者：weixin_42134038

  1. OpenPCDet:OpenPCDet工具箱，用于基于LiDAR的3D对象检测-源码

  2. OpenPCDet OpenPCDet是一个清晰，简单，自成体系的开源项目，用于基于LiDAR的3D对象检测。 它也是 ， 和的官方代码版本。 概述 变更日志 [2020-11-27]错误修复：如果您想使用我们提供的Waymo评估工具（请参阅 ），请重新准备Waymo数据集（版本1.2）的验证信息。 请注意，您不需要重新准备训练数据和真实的数据库。 [2020-11-10]新增功能：最新的结果为提供了支持。 当前，我们在Waymo开放数据集上提供SECOND ， PartA2和PV-RCN

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：1048576
    • 提供者：weixin_42118161

  1. 自动驾驶中的3D目标检测

  2. 2D目标检测在自动驾驶领域存在很多问题，因为自动驾驶的空间首先是在3D层面上的，而且需要使用RGB图像、RGB-D深度图像和激光点云，输出物体类别及在三维空间中的长宽高、旋转角等信息。这一类检测称为3D目标检测。随着Faster-RCNN的出现，2D目标检测达到了空前的繁荣，各种新的方法不断涌现，百家争鸣，但是在无人驾驶、机器人、增强现实的应用场景下，普通2D检测并不能提供感知环境所需要的全部信息，2D检测仅能提供目标物体在二维图片中的位置和对应类别的置信度，但是在真实的三维世界中，物体都是有三

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：632832
    • 提供者：weixin_38723192

  1. 2D到3D：11785深度学习课程项目：端到端2D到3D视频转换-源码

  2. 2D到3D 11785深度学习课程项目 要访问驾驶立体声数据（解压缩后的大小为77GB）： 打开一个AWS实例 aws s3 cp s3：//idl-proj-3d/driving_stereo.tar.gz ./ 焦油-xvzf Driving_stereo.tar.gz （注意：请勿将其从S3下载到AWS外部，因为这会产生大量的数据出口费用） 该目录包含一个“火车”目录，其中包含174,437个图像对，而“测试”目录则包含了7,751个图像对。 “ train”和“ test”都

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：2097152
    • 提供者：weixin_42132056

  1. 基于改进3D-CNN的多源遥感数据树种识别

  2. 针对森林复杂冠层结构和林分高密度下遥感树种识别精度不高的问题,将能够提取高维数据立体特征的三维卷积神经网络(3D-CNN)引入到遥感影像树种识别中,并利用残差网络(ResNet)对其进行改进,提出三维残差卷积神经网络(3D-RCNN),以减小网络深度带来的误差,降低退化现象的影响。联合高分五号高光谱数据(GF-5 AHIS)和高分六号高空间分辨率数据(GF-6 PMS),辅以森林资源数据和外业调查数据构建样本集。结合3D-RCNN思想构建树种识别模型。实验结果表明:相较于传统3D-CNN,3D-

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：9437184
    • 提供者：weixin_38731385