原创 【綜述翻譯:第二章】Deep Learning for 3D Point Clouds: A Survey

Deep Learning for 3D Point Clouds: A Survey爲國防科技大學發佈的綜述文章,這裏只翻譯第二章。 下載鏈接:https://arxiv.org/abs/1912.12033; 倉庫鏈接:htt

原创 【論文速覽】PointAugment:點雲分類的自動增強框架(CVPR2020)

摘要 3D點雲是一種相對較新的研究對象,並且近年來變得越來越普遍。新型廉價激光雷達的發展以及對立體和單眼深度估計的改進促進了該領域的研究。但是點雲數據很難獲得並且很難標記。例如,用於分類任務的標準基準ModelNet40僅包含40

原创 【論文速覽】利用形狀補全進行3D孿生跟蹤

Leveraging Shape Completion for 3D Siamese Tracking 這是CVPR2019錄用的一篇三維目標跟蹤文章 摘要 點雲由於其稀疏性而難以處理,因此自動駕駛汽車更多地依賴外觀屬性,而不是純

原创 ubuntu安裝pytorch-geometric

Environment OS:ubuntu16.04 Python version:Python 3.6.8 PyTorch version:1.1.0 CUDA/cuDNN version:9.0.176 GCC v

原创 點雲語義分割深度學習方法的總結

分別用一段話介紹了以下點雲分割方法: PointNet PointNet++ pointsift PointNet直接使用點雲數據作爲輸入,解決了點雲的無序性問題,點之間的相關性問題,剛體運動的不變性問題。他們證明了在數據量很

原创 Argoverse: 3D跟蹤數據集

下載鏈接:https://arxiv.org/abs/1911.02620 該文爲CVPR2019文章,由Argo AI、卡內基梅隆大學、佐治亞理工學院發佈。文章介紹了用於支持研究自動駕駛汽車感知任務(3D 跟蹤與運動預測)的數據

原创 【綜述翻譯】Deep Learning for 3D Point Clouds: A Survey

Deep Learning for 3D Point Clouds: A Survey爲國防科技大學發佈的綜述文章,這裏只翻譯摘要,第一章與第三章。 下載鏈接:https://arxiv.org/abs/1912.12033; 倉

原创 Linux使用ssh遠程登錄

Linux-A的終端上登錄到Linux-B的終端 兩個Linux都需要先安裝openssh-client和openssh-server並且正常聯網;然後啓動ssh服務: 使用以下兩條命令安裝ssh: $ sudo apt-get

原创 使用docker快速部署/運行代碼

記錄一下使用docker鏡像,部署到另一臺工作站運行代碼的過程! 待轉移的電腦 0 pip freeze > requirement.txt 1 到https://hub.docker.com尋找合適的鏡像拉取到本地. sudo

原创 【綜述翻譯2】Deep Learning for 3D Point Clouds: A Survey

Deep Learning for 3D Point Clouds: A Survey爲國防科技大學發佈的綜述文章,這裏只翻譯第二章。 下載鏈接:https://arxiv.org/abs/1912.12033; 倉庫鏈接:htt

原创 基於多尺度全卷積孿生網絡的目標跟蹤算法

基於多尺度全卷積孿生網絡的目標跟蹤算法 一.背景技術介紹       傳統的跟蹤算法大多從物體的外觀出發,只能在線學習,從當前的視頻中在線抓取數據進行學習跟蹤的算法,如:TLD、Struck、KCF,這類算法必須足夠簡單才行,否

原创 安裝雙系統引導與修復ubuntu引導

#使用第三方軟件引導windows與ubuntu雙系統 rEFInd引導工具安裝 安裝rEFInd rEFInd官網:http://www.rodsbooks.com/refind/ 下載地址:http://www.rodsboo

原创 COCO2014&KITTI&ModelNet數據集下載百度鏈接

直接給出提取碼了,大家直接保存吧,我相信心善的小夥伴兒們,會自覺關注公衆號的!(請關注“深知IO”,狗頭保命。。) COCO2014數據集 鏈接:https://pan.baidu.com/s/1OZGYqTMRejazGxI6

原创 數據集圖片數據標記工具Labelimg

我們知道,圖片標註主要是用來創建自己的數據集,方便進行深度學習訓練。本文將推薦一款十分好用的圖片標註工具LabelImg,重點介紹其安裝以及使用的過程。     本文使用的window10的Anaconda3下使用python3和pyqt

原创 深入瞭解AlexNet網絡

該文章系本人所寫     在圖像分類領域不得不提的就是ImageNet大規模視覺挑戰賽(ILSVRC),它被稱爲深度學習在圖像分類任務研究方面進展的標杆。AlexNet網絡參加了ILSVRC2012年大賽,以高出第二名10%的性能優勢取得