جدول پیوندها
چکیده
1 معرفی
2 سابقه و هدف: تشخیص شیء سه بعدی همه جانبه
3 آزمایش مقدماتی
3.1 تنظیم آزمایش
3.2 مشاهدات
3.3 خلاصه و چالش
4 نمای کلی از Panopticus
5 تشخیص شیء سه بعدی چندگانه چند عیار
5.1 طراحی مدل
6 اعدام مکانی-سازگار
6.1 پیش بینی عملکرد
5.2 سازگاری مدل
6.2 برنامه ریزی اجرای
7 اجرای
8 ارزیابی
8.1 تست و مجموعه داده
8.2 تنظیم آزمایش
8.3 عملکرد
8.4 استحکام
8.5 تجزیه و تحلیل مؤلفه
8.6 بالای سر
9 کار مرتبط
10 بحث و کار آینده
11 نتیجه گیری و منابع
7 اجرای
ما Panopticus را با استفاده از پایتون و CUDA برای شتاب مبتنی بر GPU اجرا کردیم. تمام شبکه های عصبی با استفاده از Pytorch توسعه داده شدند [41] و در مجموعه آموزش در مجموعه داده Nuscenes آموزش دیده است [2]بشر توجه داشته باشید که Panopticus با سایر مجموعه داده های ادراک سه بعدی مانند Waymo سازگار است [46]، داشتن تنظیمات سنسور مشابه Nuscenes. شبکه های عصبی برای تشخیص شیء سه بعدی بر اساس توسعه یافته اند
شکل 9: تنظیم برای تست موبایل و مجموعه داده. mmdetection3d [35]بشر برای شبکه حرکت دوربین ، ما سفارشی و آموزش دیده ایم [53] برای تولید نکات نسبی مداوم بین دو قاب متوالی برای هر نمای دوربین معین. برای ردیاب Object ، ما SimpleTrack را اصلاح کردیم [36] برای استفاده از …