(7)目标检测之CNN、ResNet用于目标3D检测框的回归估计、3D检测框绘制

目标检测中由2D检测矩形框到3D检测框的估计算法、3D检测框绘制

1. 3D Bounding Box Estimation Using Deep Learning and Geometry

1.1 简介

time:2017


提出了一种三维目标检测和姿态估计的方法。与当前只有回归对象的三维方向技术相比,我们的方法首先回归使用深度卷积神经网络相对稳定的三维对象属性,然后结合这些估计与几何约束提供的2维对象边界框产生一个完整的3d边界框。第一个网络输出使用一种新的混合离散-连续损失来估计三维目标方向,它明显优于L2损失。第二个输出回归了三维对象维度,与备选方案相比,它们的方差相对较小,并且通常可以对许多对象类型进行预测。这些估计,结合二维边界框对平移施加的几何约束,使我们能够恢复一个稳定和准确的三维物体姿态。


源码:https://github.com/smallcorgi/3D-Deepbox
论文:https://arxiv.org/pdf/1612.00496.pdf
效果如下:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

明月醉窗台

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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