发文章
发文工具
撰写
网文摘手
文档
视频
思维导图
随笔
相册
原创同步助手
其他工具
图片转文字
文件清理
AI助手
留言交流
“3D-MiniNet: 从点云中学习2D表示以实现快速有效的3D LIDAR语义分割(2020)” 的更多相关文章
自动驾驶之点云与图像融合综述
无需人工先验!港大&同济&LunarAI&旷视提出基于语义分组的自监督视觉表征学习,显著提升目标检测、实例分割和语义...
(AF)平方-S3Net:稀疏语义分割网络的注意特征融合与自适应特征选择
CVPR2020旷视提出PVN3D:针对6D位姿估计的3D关键点投票网络
点云配准新方案!SuperLine3D:激光雷达点云中的自监督线分割和描述子提取(ECCV2022)...
基于语义分割网络模型的路面裂缝识别
将位置信息嵌入通道注意力!NUS提出新机制,显著提升卷积特征表达|CVPR2021
【衡道丨AI 】首个针对不同染色病理图像域适应的深度学习模型
基于深度学习的图像语义分割算法综述
CVPR 2018 | 旷视科技Face 提出用于语义分割的判别特征网络DFN
双重注意力网络:中科院自动化所提出新的自然场景图像分割框架
图像语义分割的工作原理和CNN架构变迁
「完结」12篇文章带你逛遍主流分割网络