用于3D目标识别的朝向增强体素网络
计算机视觉与模式识别
2017-10-23 v2 神经与进化计算
摘要
近期工作表明，使用3D卷积网络在3D目标识别上取得了良好结果。本文中，我们展示了目标朝向在3D识别中起着重要作用。更具体地，我们认为目标在旋转时会于网络中诱导出不同特征。因此，我们将类别级分类任务视为一个多任务问题，其中网络被训练为在预测类别标签的同时并行预测目标姿态。我们展示了此方法在分类结果上带来显著提升。我们在代表多种3D数据源的几个数据集上测试了所提架构：LiDAR数据、CAD模型和RGB-D图像。我们报告了分类上的当前最佳结果，以及在3D检测上相对于基线在精度和速度上的显著改进。
引用
@article{arxiv.1604.03351,
title = {Orientation-boosted Voxel Nets for 3D Object Recognition},
author = {Nima Sedaghat and Mohammadreza Zolfaghari and Ehsan Amiri and Thomas Brox},
journal= {arXiv preprint arXiv:1604.03351},
year = {2017}
}
备注
BMVC'17 version. Added some experiments + auto-alignment of Modelnet40