Matlab混凝土二维模型代码-Transferable3D:ICCV2019从RGB-D数据进行可转移的半监督3D对象检测

Matlab混凝土二维模型代码从RGB-D数据进行可转移的半监督3D对象检测 介绍 我们研究了仅从这些新类的2D边界框标签为新对象类训练3D对象检测器的方向，同时从现有类的3D边界框标签传输信息。 为此，我们提出了一种可转移的半监督3D对象检测模型，该模型从具有两个不相交的对象类集的训练数据中学习3D对象检测器网络-一组具有2D和3D框标签的强类，以及另一组仅有2D框标签的弱类。 特别是，我们建议放宽重投影损失，盒先验损失和盒对点云拟合网络，使我们能够在训练过程中有效地将有用的3D信息从强类传递到弱类，从而使网络能够在推理过程中检测弱类中的3D对象。 实验结果表明，与SUN-RGBD和KITTI数据集上的完全监督方法相比，我们提出的算法优于基线方法并获得了可喜的结果。 此外，我们证明了Box-to-Point Cloud Fit网络在两个数据集上均改善了全监督方法的性能。 更具体地讲，给定两个不相交的类集（强类A和弱类B），尽管仅具有类A和2D的2D + 3D边界框标签，但这项工作的目的是学习3D对象检测器以对类B进行推理。 B类的边界框标签，即我们不需要B类的3D边界框标签。 引文