1. 摘要：
a. 方向：自动驾驶领域，针对复杂交通情况
b. 数据集：ONCE（One millioN sCenEs）
c. 改进点（基于Voxel-RCNN）：
i. 在3D Backbone中加入残差结构
ii. 设计了一个厚重的（？）3D特征提取器（有效提取高维信息）
iii. 2D Backbone（包含残差、自校准卷积？、空间注意力、通道注意力机制）——扩大感受野、获
经典网络VGGNet(其中VGG为Visual Geometry Group)由Karen Simonyan等于2014年提出，论文名为《Very Deep Convolutional Networks for Large-Scale Image Recognition》，论文见：https://arxiv.org/pdf/1409.1556.pdf，网络结构如下图所示，其中D和E即为VGG-16
转载
2024-09-07 18:41:22
65阅读
记录安装百度paddleocr过程安装paddleocr已经两天了，从官网安装到各种教程安装，总是遇到很多warning与error，现在来记录一下。 写在前面：xdm一定要确保自己安装的时候没有开VPN，没有开VPN，没有开VPN。 本机搭建环境：python 3.8.8
conda 4.10.1搭建过程CPU下安装paddlepaddlepython -m pip install paddle
转载
2024-03-15 07:34:33
104阅读
使用利用Unity插件Voxel Importe绑定骨骼和制作动画将vox和qb文件导入Unity项目中，自动转换为Voxel对象，可以作为预制使用。 这些功能仅对Unity 2017.1及更新版本有效。脚本说明Voxel Object作用：生成GameObject。 它适用于基本的固定对象，并且它会生成一个优化的网格。脚本位置： Component/Voxel Importer/Voxel
转载
2024-04-27 09:58:05
222阅读
看到Enforcer兄也不打算继续发了，我也蛮动摇，不过已经答应的东西还是要写完，这种技术性教程的确没什么人看，说实话我自己都看的有点累，还得边看边实践，否则很难理解，所以大家有需要的就来看吧，能有一个人看就有一个人好了 这篇教程将演示如何使用Voxel技术来创建悬崖和洞窟 首先什么是Voxel技术？ voxel即volume pixels（立体像素）这两个单词的组合，它是Novalogic的技术
1. 流程1.1 定义完成了assimp的配置，接下来就进入到模型环节了，首先是网格(Mesh)，它代表的是单个的可绘制实体，我们现在先来定义一个我们自己的网格类（根据不同情况可以有不同定义，这里只给出一种示例）。1.1.1 顶点数据结构一个网格应该至少需要一系列的顶点，每个顶点包含一个位置向量、一个法向量和一个纹理坐标向量。一个网格还应该包含用于索引绘制的索引以及纹理形式的材质数据（漫反射/镜面
转载
2024-07-13 16:13:54
313阅读
作者丨柒柒编辑丨3D视觉工坊论文标题：Voxel R-CNN: Towards High Performance Voxel-based 3D Object Detection作者单位：CAS Key Laboratory of GIPAS, EEIS Department, University of Science and Technology of China代码：https://git
转载
2022-10-12 23:06:46
167阅读
中文名称：体素，即顾名思义是体积的像素。用来在三维空间中表示一个显示基本点的单位。类似于二维平面下的pixel（像素）。 voxel是三维空间中定义一个点的图象信息的单位。在平面中定义一个点要两个坐标X和Y就够了，而在三维世界中还要有一个坐标。光有位置还不行，还要有颜色等信息，这就是voxel的含义
原创
2021-07-20 16:13:22
1137阅读
最近科研没有思路，写点代码加强基础知识的学习吧。下面写了一个点云体素分割，PCA计算体素内点云的特征值和特征向量。
转载
2016-06-24 20:15:00
54阅读
2评论
Grid布局，还是Flex布局？网格布局和Flex布局的差异？有人认为：Flexbox用于一维布局，一行或一列。网格用于二维布局，多行和多列。有的人认为：网格使用真实的列和行，内容会被一列一列、一行一行的排列。但是Flexbox没有，不仅是在二维里面，而且在一维里面也是如此。Flexbox并不适用于我们一直在使用的大部分功能。大多数人认为：将Grid用于页面级布局，而将flexbox用于其他所有内
转载
2024-07-10 07:03:22
110阅读
一。rcnn是使用神经网络进行目标检测的开山之作，他的灵感来自于alexnet模型的出现，基于神经网络的目标检测的出现撼动了surf和hog等检测算法。rcnn的具体实现步骤分为四步：1.使用selective search算法产生1k-2k个候选区。2.对于每个区域利用 CNN 抽取一个固定长度的特征向量。（ 而通过 Selective Search 产生的候选区域大小不一，为了与 Alexne
转载
2024-03-25 21:52:21
30阅读
RCNN算法RCNN算法流程可分4个步骤：一张图像生成1k~2k个候选区域（使用Selective Search方法）。对每个候选区域，使用深度网络提取特征。特征送入每一类的SVM分类器，判别是否属于该类。使用回归器精细修正候选框位置。1. 候选区域的生成利用Selective Search算法通过图像分割的方法得到一些原始区域，然后使用一些合并策略将这些区域合并，得到一个层次化的区域结构，而这些
转载
2024-05-29 11:34:43
50阅读
voxel是一个轻便的3D渲染的库，开发3D场景非常方便，当然你甚至可以很方便的利用他来搭建你的宫殿。目前我将它用到了我的博客主页，演示地址：http://djlxs.herokuapp.com/voxel var myVoxel = new voxelcss.Voxel(100, 250, 0, 300, {
mesh: voxelcss.Meshes.grass
});
转载
2023-11-11 14:37:24
55阅读
RCNN (论文：Rich feature hierarchies for accurate object detection and semantic segmentation) 是将CNN方法引入目标检测领域， 大大提高了目标检测效果，可以说改变了目标检测领域的主要研究思路， 紧随其后的系列文章：（ RCNN）,Fast RCNN, Faster RCNN 代表该领域当前最高水准。 【基本流程
转载
2024-03-28 20:02:27
84阅读
rcnn代码—train.py个人理解学习，仅供参考！一、总体流程总体流程如下二、get_crnn代码解读1.函数入口在train.pymodel = crnn.get_crnn(config)通过get_rcnn函数与配置信息（config）构建基础模型 2.get_rcnn函数def get_crnn(config):
model = CRNN(config.MODEL.IMAGE_
转载
2024-04-29 21:40:34
125阅读
最近打算研究下实例分割，其中很经典的算法当然是mask-rcnn，mask-rcnn沿用了很大一部分faster-rcnn的内容，只是在faster-rcnn基础上将ROI Pooling改成ROI Align，同时增加了一个实例分割的分割，所以要看懂maskr-rcnn其实也就是搞明白faster-rcnn。对于算法的原理，网上已经有很多不错的文章，这里主要想讲代码相关的东西，从而更好理解算法的
转载
2024-03-22 15:48:22
56阅读
rcnn需要固定图片的大小，fast rcnn不需要 rcnn,sppnet,fast rcnn,ohem,faster rcnn,rfcn都属于基于region proposal（候选区域）的目标检测方法，即预先找出图中目标可能出现的位置。 fast rcnn：在特征提取层的最后一层卷积后加入roi pooling layer，损失函数使用多任务损失函数(multi-task loss)，将边
转载
2017-07-29 16:55:00
144阅读
2评论
RCNN
原创
2021-08-02 15:17:08
344阅读
@一、REGION CNN1.1 原理滑窗法是一种行之有效的暴力方法，先生成大量的候选框，对每个框进行分类，可以大概的检测出类
一张图像生成1K~2K个候选区域对每个候选区域，使用深度网络提取特征特征送入每一类的SVM分类器，判别是否属于该类使用回归器精细修正候选框位置
1.2 候选区域生成方法使用了Selective Search方法从一张图像生成约2000-3000个候选区域。基本思路:
传统
转载
2021-05-25 20:22:00
431阅读
2评论
一、问题： 介绍一下FasterRCNN, 以及每一代的改进？二、答案（总结）： 1、 Faster-RCNN系列总共三个：分为RCNN, Fast-RCNN, Faster-RCNN; 2、RCNN主要方法是： 1）首先，使用SS算法（图像处理算法：Selective search算法）在原图上自上而下提取出2000多个框图，即Region Proposal；
转载
2024-03-15 21:28:25
76阅读
