三维检测cvpr数据集,开源目标检测数据集

三维检测cvpr数据集,开源目标检测数据集

基于此，提出了VirConv-L、VirConv-T和VirConv-S分别用于高效、高精度、半监督的三维目标检测。 在竞争激烈的KITTI自动驾驶数据集2D、3D和BEV车辆检测列表中，该方法排名第一（2022/11至今）。 CVPR2020上的十大有用的开源数据集。使用数据构建更好的人工智能。数据端口永远不应该缺席！ 以下是十个数据集的说明：01FaceScape是一个大规模、高质量的3D人脸数据集，包括18,760个高质量的3D人脸。

本文在LITTI数据集3DObjectDetection的三维物体检测性能中排名第一。 摘要提出了一种新的高性能三维目标检测框架：点体素RCNN（PV-RCNN），用于从点云中准确检测三维目标。 该方法将3D体素卷积神经网络与一些使用自动编码器检测异常的作品（例如卷积自动编码器及其变体）相结合。 其他方法引入额外的约束或内存以使模型更具辨别力。 例如，稀疏编码通过正则化减少表示冗余；记忆增强自动编码器（MemAE）利用外部

实验使用单目相机在KITTI3D对象检测基准上展示了最先进的性能，并在KITTI里程表和nuScenes数据集上展示了其效率。 作者|周云松，何元，朱红子，程娃为了解决3Dgroundtruth缺乏的问题，我们提出了一种对抗性自监督投影（ASSP）方法来适应不需要groundtruth监督训练的3D重建模块。 在通用ReID数据集和纹理混淆数据集上进行的广泛实验验证了我们的模型。

http://cs.cmu.edu/~vmr/datasets/oakland_3d/cvpr09/doc/9.KITTIVisionBenchmarkSuite该数据集是通过在卡尔斯鲁厄的中等规模城市、农村地区和高速公路上行驶捕获的而生成的。 所有检测结果均使用官方KITT评估检测指标进行测量，这些指标包括：鸟瞰(BEV)、3D、2D和平均方向相似度(AOS)。 2D检测在图像平面中执行，并且针对2D检测的平均方向（在BEV中）评估平均方向相似度

今天介绍的文章是《ScanNet:Richly-annotated3DReconstructionsofIndoorScenes》-ScanNet:a3Dreconstructionannotationdatasetforindoorscenes。本文发表于CVPR2017。 影响力深监督程度学习方法如下图所示。3D目标检测按照大方向可以分为室外和室内目标检测。室内场景数据集一般包括ScanNet等。这方面的研究相对较少。作者注意到的第一篇文章来自FAIRvoteNet，使用Houghvoting机制生成接近目标的对象