三维语义分割知识点提纲 - 持续更新

最新推荐文章于 2025-06-20 13:55:06 发布
最新推荐文章于 2025-06-20 13:55:06 发布
阅读量988 收藏 2
点赞数
CC 4.0 BY-SA版权
分类专栏： 学习想法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Crazydogg/article/details/82670024

该部分知识点摘自SLAM++作者的博士论文，列出了详细的数学知识根基。

 

知识点列出如下，大部分已学，但知道并没有掌握牢靠，借这次机会可以系统再理解一遍。

[这个过程比线性代数又更高一层]

 

知识点

介绍

备注

掌握情况
最低0.47元/天 解锁文章

200万优质内容无限畅学
【最新综述】史上最全面的3D语义分割综述（上）
qq_43583311的博客
01-24 3988
三维分割是计算机视觉领域的一个基本而具有挑战性的问题，可应用于自动驾驶、机器人、增强现实和医学图像分析。它受到了计算机视觉、图形学和机器学习界的极大关注。传统的三维分割方法基于手工创建的特征和机器学习分类器，缺乏泛化能力。在二维计算机视觉领域取得成功的推动下，深度学习技术最近已成为三维分割任务的首选工具。这导致文献中出现了大量在不同基准数据集上进行评估的方法。虽然存在关于 RGB-D 和点云分割的调查论文，但缺乏涵盖所有三维数据模式和应用领域的深入的最新调查。
Talk预告 | 牛津大学胡庆拥：大场景三维点云语义理解Ⅱ
TechBeat人工智能社区博客
08-17 703
北京时间8月17日(周三)晚20点，准时开播！
3D 语义分割——RPVNet
steven_ysh的博客
09-19 2184
本文是阅读 CVPR2021 论文《RPVNet: A Deep and Efficient Range-Point-Voxel Fusion Network for LiDAR Point Cloud Segmentation》所做笔记。 首先简要介绍了 3D 语义分割中三种不同的视图，然后再详细地介绍了 RPVNet 的网络结构。
3D点云--分割算法详解（Segmentation）
最新发布
weixin_45590420的博客
06-20 933
3D点云分割是理解场景结构的关键任务，主要分为语义分割、实例分割和部件分割三类。传统方法包括基于区域生长的平面分割（适用于平面检测）和欧式聚类分割（用于物体级分割）。深度学习方法中，PointNet通过逐点特征提取实现语义分割，但缺乏局部上下文；PointNet++通过层次化采样改进局部特征；PointCNN则利用χ-Transform实现高效卷积。实例分割方面，3D-BoNet直接预测实例框和掩码，而PointRCNN采用两阶段方法。部件分割则可通过DGCNN的动态图卷积捕捉局部几何特征。这些方法在代码实
3D 语义分割——SQN
steven_ysh的博客
08-24 4141
本文是阅读 ECCV2022 论文《SQN: Weakly-Supervised Semantic Segmentation of Large-Scale 3D Point Clouds》以及 CVPR2020 论文《RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds》后所作笔记。 文章先简单地介绍了弱监督的 3D 语义分割现状，然后再简要地介绍了SQN的网络结构，最后结合 RandLA-Net 详细地了LFA结构。
【最新综述】史上最全面的3D语义分割综述（下）
qq_43583311的博客
01-24 2423
三维实例分割方法还能区分同一类别的不同实例。由于三维实例分割是一项对场景理解更有参考价值的任务，因此越来越受到研究界的关注。三维实例分割方法大致分为两个方向：proposal-based和proposal-free。 基于提议的方法首先预测对象提议，然后对其进行完善，生成最终的实例掩码（见图 7），从而将任务分解为两大挑战。因此，从建议生成的角度来看，这些方法可分为基于检测的方法和无检测方法。 基于检测的方法有时会将物体建议定义为三维边界框回归问题。3D-SIS Hou、Dai
语义分割基础知识
Le0v1n 的博客
08-15 2888
语义分割基础知识
《数据库原理》知识点整理+习题
热门推荐
雲的博客
06-29 4万+
数据库基本知识点整理，面试、考研、刷题必备~
2024模式识别复习提纲（自用）
AndyChen808的博客
05-31 909
模式识别课程复习
CMU & Stanford 课程
Rachel Zhang的专栏
04-18 1万+
Stanford课程： https://www.coursera.org/courses 网易公开课：http://blog.youkuaiyun.com/dcraw/article/details/7712321 学习笔记：http://www.cnblogs.com/jerrylead/archive/2012/05/08/2489725.html CMU 方向（CMU Areas）： ht
【最新综述】史上最全面的3D语义分割综述（中）
qq_43583311的博客
01-18 2977
文献中提出了许多关于三维语义分割的深度学习方法。根据所使用的数据表示方式，这些方法可分为五类，即基于 RGB-D 图像的方法、基于投影图像的方法、基于体素的方法、基于点的方法、基于三维视频的方法和基于其他表示方式的方法。根据网络架构，基于点的方法可进一步分为基于多层感知器（MLP）的方法、基于点卷积的方法、基于图卷积的方法和基于点变换器的方法。图 4 显示了近年来深度学习在三维语义分割方面取得的阶段性成果。 RGB-D 图像中的深度图包含真实世界的几何信息，有助于区分前景物体和背景，从而为提高
3D点云之语义分割（相关官方示例介绍）
jiugeshao的专栏
05-15 3015
之前在中提到，用深度学习来对3D点云进行处理，接下来就考虑深入一些，整几个例子来熟悉它。例子原型来源于官网，博主在其基础上做了一些代码修改。一. 例子参考1. Keras中的资源二. 例子实现。
3D 语义分割——(AF)2-S3Net
steven_ysh的博客
08-24 2514
本文章是阅读 CVPR2021 论文《(AF)2-S3Net: Attentive Feature Fusion with Adaptive Feature Selection for Sparse Semantic Segmentation Network》后所作笔记。 文章首先简要地介绍了其网络主体结构，然后再对其2个模块 AF2M 和 AFSM 进行详细介绍，最后再简单的列出了其损失函数。
3D 语义分割——Scribble-Supervised LiDAR Semantic Segmentation
steven_ysh的博客
07-22 4220
本文是阅读 CVPR2022 Oral 论文《Scribble-Supervised LiDAR Semantic Segmentation》后所作笔记。 本文首先简要地概括了这篇论文地主要贡献，然后简单地介绍了论文提出的数据集 ScribbleKITTI，最后对其提出的 pipeline 进行相对详细的介绍。 文末附有论文及其相应代码的地址。...
3D 语义分割——Cylinder3D
steven_ysh的博客
07-06 3417
本文是阅读论文 Cylinder3D 后做的笔记，首先简要地介绍了 Cylinder3D 网络结构，然后再详细地介绍该网络中的组成部件（包括圆柱形划分方法、非对称三维卷积网络、point-wise refinement 模块），最后再简单地介绍了该网络的损失函数。 文末附有论文和代码地址，以及相关补充的文章。......
语义分割学习知识点链接汇总
qq_43900236的博客
10-04 299
零、前言 列举一些自己学习语义分割学习的一些知识点链接，记录自己的入门学习过程，同时方便自己随时回顾复习。 一、语义分割综述 语义分割综述1 语义分割综述2 语义分割综述3 语义分割常用网络 二、语义分割网络学习 FCN FCN1 FCN2 U-Net 图片上采样和下采样 卷积网络中的通道(Channel)和特征图 随机梯度下降法 梯度下降过程 形态学运算 语义分割误差类别 深度学习CNN图像分割小结 overlap-tile策略 弹性形变（数据增强） 1x1卷积 RefineNet 空洞卷积 端到端训
3D 语义分割——2DPASS
steven_ysh的博客
08-03 4159
本文是阅读 ECCV2022 论文《2DPASS: 2D Priors Assisted Semantic Segmentation on LiDAR Point Clouds》后所作笔记，该论文主要讲述利用相机的二维先验信息来辅助三维语义分割，并提出多尺度融合到单知识蒸馏 MSFSKD 策略，从而提升了 3D 语义分割的性能.........
3D语义分割——PVD
steven_ysh的博客
07-19 1734
本文是阅读 CVPR2022 中的论文《Point-to-Voxel Knowledge Distillation for LiDAR Semantic Segmentation》后所做的笔记。 本文首先简要的介绍了 PVD 的主要贡献，然后对其网络结构和损失函数进行简单的介绍，文末附有论文及其相应代码的地址。......
三维基础知识
一星程序饲养员
09-15 334
三维图层组织 普通图层 添加到三维场景中的地形数据包括DEM栅格数据集合地形缓存*.sct 三维缓存策略 iServer服务架构 iServer服务概述 三维REST服务资源 Web场景组织结构 服务访问地址
三维点云语义分割可视化样例数据分析与应用
资源摘要信息:"点云语义分割可视化样例数据是一个包含了三维点云数据集以及相关的Python源代码的数据包。数据集的目的是为了演示如何进行点云语义分割，这是一种在计算机视觉和机器人技术中经常使用的技术，用于从...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值