83页《目标分类和目标检测综述(2D和3D数据)》论文,来自纽约城市大学

【导读】目标分类和目标检测都是目前计算机视觉领域使用较为广泛的技术。对许多实际应用,如自动驾驶、安防监控等,目标分类和检测是核心的算法。本文介绍来自纽约城市大学的83页《目标分类和目标检测综述》,该论文综述了2D和3D场景下的目标分类和检测技术。


目标分类和目标检测都是目前计算机视觉领域使用较为广泛的技术。对许多实际应用,如自动驾驶、安防监控等,目标分类和检测是核心的算法。深度学习的出现,使得目标分类和检测技术有着革命性的突破。对于实际应用来说,目标分类和检测仍面临着性能和效率的挑战。


来自纽约大学的《A survey of Object Classification and Detection based on 2D/3D data》()介绍了2D和3D场景下的目标分类和检测技术。目录大致如下:

  • 简介

  • 基于2D图像的系统

    • 高阶主要任务

    • 图像分类的主要网络

    • 目标检测

      • 边界框(Bounding Box)编码方法

      • 2阶段系统(RCNN、Fast RCNN、Faster RCNN)

      • 1阶段系统(YOLO、YOLOv2)

      • 基于2D的方法的总结

    • 语义分割

      • Mask R-CNN

  • 基于3D图像的系统

    • 主要高阶任务

    • 3D图像数据表示

    • 分类

      • ModelNet40排行榜

      • CAD分类输入

      • MVCNN

      • RotationNet

      • PointNet

    • 检测

      • 3D目标检测数据集

      • 检测输出

      • 阶段数量对比

      • 3D边界框(Bounding Box)编码方法

      • 基于输入数据、特征表示、边界框编码方法和卷积核的对比

      • 性能对比

      • 应用场景对比

      • 室内场景

      • 户外场景

      • 户外和室内场景

    • 3D系统的数据表示方法总结

  • 总结


请关注专知公众号(点击上方蓝色专知关注

  • 后台回复“SOCD23” 就可以获取《目标分类和目标检测综述(2D和3D数据)》的下载链接~ 


附论文内容截图:


参考链接:

  • https://arxiv.org/abs/1905.12683


-END-

专 · 知

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎登录www.zhuanzhi.ai,注册登录专知,获取更多AI知识资料!

欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询

请加专知小助手微信(扫一扫如下二维码添加),加入专知人工智能主题群,咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成!550+位同学在学习,现在报名,限时优惠!网易云课堂人工智能畅销榜首位!

点击“阅读原文”,了解报名专知《深度学习:算法到实战》课程

展开全文
Top
微信扫码咨询专知VIP会员