| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | ||||||
| 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 9 | 10 | 11 | 12 | 13 | 14 | 15 |
| 16 | 17 | 18 | 19 | 20 | 21 | 22 |
| 23 | 24 | 25 | 26 | 27 | 28 |
- 강화학습
- CNN
- machine learning
- dfs
- eecs 498
- Python
- One-Stage Detector
- DP
- 머신러닝
- deep learning
- YoLO
- MySQL
- opencv
- r-cnn
- Mask Processing
- image processing
- canny edge detection
- 그래프 이론
- two-stage detector
- dynamic programming
- AlexNet
- real-time object detection
- LSTM
- C++
- Reinforcement Learning
- 백준
- 딥러닝
- MinHeap
- BFS
- object detection
- Today
- Total
목록3D object detection (2)
JINWOOJUNG
PointPillars: Fast Encoders for Object Detection from Point Clouds
PapaerPointPillars Introduction 자율주행차는 차량, 보행자, Cyclist와 같은 동적 객체를 검출해야한다. LiDAR 3D PointCloud Data(PCD)를 기반으로 한 Object Detection Task는 Bottom-up Pipeline을 통해 연구되어왔다. 즉, Hand-crafted Feature를 기반으로 지면 제거 후 객체에 대한 Clustering, Classification이 진행된다. 단순히 Hand-crafted Feature만으론 한계가 있기 때문에 Computer Vision 분야의 Deep Learning Methods가 도입되면서 PCD에 적용하려고 했지만, Sparse하고 3D 구조인 PCD의 특성 상 2D Image에 적용되는 Convol..
PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
PaperPointNetIntroduction 기존 Deep Learning 연구에서의 CNN은 Regular Input Data를 기반으로 동작한다(Image, Voxel, etc). 하지만, Point Cloud는 순서가 없는(Inordered) Inrregular Data이다. 따라서 Raw Point Cloud Data(PCD)를 CNN의 Input으로 취하는 것은 한계가 있다. 전처리 과정에서 PCD를 Regular Form(3D Voxel Grid, Collections of Images, etc)으로 변환하는 과정은 불필요한 메모리 및 계산 시간 증가를 초래하며, Quantization Artifacts에 의한 원본 정보 왜곡 및 Natural Invariances이 깨질 수 있다. Qua..