基于深度学习的三维分割:一份调查报告
该研究主要讨论了基于深度学习的三维分割在点云数据处理中的应用,并评估了不同分割算法对不同数据集的竞争力以及最常使用的处理流程、其优势、限制、未来研究方向等。
Jun, 2024
本文综述了自 2015 年至 2021 年期间针对基于图像的三维物体检测问题的 200 多个研究,并提出了两个新的分类体系来组织现有的最先进的方法,并深入分析了它们的各个组成部分。同时,本文探讨了这个领域的挑战和未来方向。
Feb, 2022
本文综述了关于图像分割的研究,特别关注了基于深度学习模型的语义分割和实例分割方法,包括全卷积像素标定网络、编码器 - 解码器架构、多尺度与基于金字塔的方法、循环神经网络、视觉注意力模型和对抗生成模型。我们探讨了这些深度学习模型的相似性,能力和挑战,并讨论了未来的研究方向。
Jan, 2020
该论文综述了在视频分割中使用的深度学习算法,其中包括了对象分割和语义分割,同时提供了这两种方法和数据集的详细概述,以及在几个知名数据集上的性能评估和未来研究的机会。
Jul, 2021
通过将深度学习与 RGB-D 数据相结合,提出了一种用于高效 3D 实例分割的新方法,该方法通过点状渲染模块将 2D 区域卷积神经网络(Mask R-CNN)模型与深度信息集成,可以识别和分割对象的 3D 实例,实验证明该方法对于支持机器人和智能系统中的物体处理非常有益。
Jun, 2024
该论文综述了应用于各种应用领域的基于深度学习技术的图像语义分割方法,描述了该领域的术语和必要的背景概念,并评估了现有方法的贡献和意义,并给出了相应的定量结果和讨论。
Apr, 2017
本文综述了现有的三维点云分析技术及其算法、应用场景和目标,介绍了使用的数据集和评估指标,并比较了现有解决方案的性能,最后分析了当前技术面临的挑战和吸引人们注意的未来趋势。
Jun, 2023