文件名称：matlab代码影响-VoteNet:投票网
文件大小：824KB
文件格式：ZIP
更新时间：2024-06-11 03:31:50
系统开源
matlab代码影响在点云中进行3D对象检测的深层投票 由，和以及从和创建。 介绍 该存储库是ICCV 2019论文的代码发布（arXiv报告）。 当前的3D对象检测方法受2D检测器的影响很大。 为了利用2D检测器中的体系结构，他们通常将3D点云转换为规则网格（即，转换为体素网格或鸟瞰图图像），或依靠2D图像中的检测来提出3D框。 很少有作品试图直接检测点云中的物体。 在这项工作中，我们回到第一条原则来构建点云数据并尽可能通用的3D检测管道。 但是，由于数据的稀疏性质（来自3D空间中2D流形的样本），在直接根据场景点预测边界框参数时，我们面临着重大挑战：3D对象质心可能远离任何表面点，因此很难准确回归一步。 为了应对这一挑战，我们提出了VoteNet，这是一种基于深度点集网络和Hough投票的协同作用的端到端3D对象检测网络。 我们的模型以简单的设计，紧凑的模型尺寸和高效率，在两个大型3D真实3D扫描数据集ScanNet和SUN RGB-D上实现了最先进的3D检测。 值得注意的是，VoteNet在不依赖彩色图像的情况下使用纯几何信息优于以前的方法。 在此存储库中，我们提供了VoteNe
【文件预览】：
VoteNet-master
----train.py(15KB)
----utils()
--------eval_det.py(9KB)
--------tf_logger.py(2KB)
--------box_util.py(10KB)
--------pc_util.py(18KB)
--------tf_visualizer.py(2KB)
--------nn_distance.py(3KB)
--------nms.py(5KB)
--------metric_util.py(6KB)
----models()
--------boxnet.py(4KB)
--------votenet.py(5KB)
--------voting_module.py(3KB)
--------backbone_module.py(5KB)
--------loss_helper_boxnet.py(5KB)
--------proposal_module.py(6KB)
--------ap_helper.py(14KB)
--------loss_helper.py(12KB)
--------dump_helper.py(7KB)
----scannet()
--------meta_data()
--------batch_load_scannet_data.py(3KB)
--------model_util_scannet.py(4KB)
--------scannet_detection_dataset.py(10KB)
--------README.md(403B)
--------scans()
--------scannet_utils.py(2KB)
--------load_scannet_data.py(6KB)
--------data_viz.py(1KB)
----doc()
--------teaser.jpg(721KB)
--------tips.md(3KB)
----CONTRIBUTING.md(1KB)
----LICENSE(1KB)
----demo.py(4KB)
----eval.py(9KB)
----README.md(8KB)
----CODE_OF_CONDUCT.md(244B)
----pointnet2()
--------pointnet2_utils.py(12KB)
--------pointnet2_modules.py(17KB)
--------pointnet2_test.py(1011B)
--------pytorch_utils.py(7KB)
--------_ext_src()
--------setup.py(928B)
----sunrgbd()
--------OFFICIAL_SUNRGBD()
--------matlab()
--------sunrgbd_detection_dataset.py(13KB)
--------sunrgbd_data.py(15KB)
--------sunrgbd_trainval()
--------README.md(923B)
--------sunrgbd_utils.py(11KB)
--------model_util_sunrgbd.py(4KB)