TraIL-Det:用于3D LiDAR目标检测的变换不变局部特征网络及无监督预训练
本文提出了一种基于可微分的表示变换模块的框架,使得3D物体检测与深度估计的深度神经网络能够在此统一的框架中进行端到端的训练。该框架与大多数目前最先进的神经网络兼容,并在KITTI基于图像的3D物体检测排行榜上获得最高名次。
原文中文,约200字,阅读约需1分钟。
本文提出了一种基于可微分的表示变换模块的框架,使得3D物体检测与深度估计的深度神经网络能够在此统一的框架中进行端到端的训练。该框架与大多数目前最先进的神经网络兼容,并在KITTI基于图像的3D物体检测排行榜上获得最高名次。