学习笔记 | Second算法

最新推荐文章于 2025-06-26 09:02:46 发布
原创 最新推荐文章于 2025-06-26 09:02:46 发布 · 424 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习 #人工智能

借鉴【3D目标检测】SECOND算法解析 - 知乎

Second是在Voxelnet的基础上进行改进的

1.稀疏卷积 

稀疏中间层特征提取如上图所示，其中黄色框表示稀疏卷积，白色框表示子流形卷积，红色框表示稀疏到密集层。可以发现其有两个稀疏卷积阶段，每个阶段有多个子流型卷积层和一个正常稀疏卷积层对z轴进行下采样。在z轴维度下采样到1或2时将稀疏数据转化为稠密特征图，reshape成2D数据。

稀疏卷积的具体原理  通俗易懂的解释Sparse Convolution过程 - 知乎

2.方向回归

        作者在最后的RPN层（原来是两个分支，用来物体分类和位置回归）多引入了一个分支（如下图5所示），用来对物体方向进行分类。

       对于损失部分，SECOND对位置信息xyz以及尺寸信息whl都采用了和VoxelNet一样的方法，也就是直接回归预测，但是对于角度预测进行了改进。这是由于VoxelNet直接预测弧度偏移，但在0和π的情况下会遇到一个对立的问题，因为这两个角度对应的是同一个盒子，但当其中一个被误认为是另一个时，会产生很大的损失。这里SECOND对于角度的损失函数设置为：Lθ = SmoothL1(sin(θp − θt))。

      但是由于两个相反方向的损失一致，如何判别正负方向。SECOND的解决方案是再输出一个direction head（方向分类器）来判别，如果anchor绕GT的z轴旋转大于0，则结果为正；否则为负。（直接通过一个softmax loss来进行约束。如果theta>0则为正，theta<0则为负。那么这就是个简单的二分类问题了，也就是结构图中direction classifer）

论文阅读笔记 | 三维目标检测——SECOND算法
Clichong
11-25 2973
鉴于VoxelNet等3d检测算法中使用的3d卷积会导致计算量大且推理速度慢的问题，所以这里提出了一种稀疏卷积(sparse convolution method)。在介绍VoxelNet中，也提及到由于其损失结构采用直接回归的方式，虽然简洁但可能会限制其网络性能，在此基础上，SECOND提出了一个新的损失函数与数据增强策略来对其进行改进。
【三维目标检测】Second 模型 （一）
叶子的博客
07-08 7258
Second算法是一种基于三维点云的目标检测算法。Second算法采用了几乎与Voxelnet三维目标检测算法完全一致的设计思路，主要差异表现在将Voxelnet CML（Convolutional Middle Layer）卷积提取特征层改为采用三维稀疏卷积进行特征提取。因此，在理解Second算法之前，推荐先看一遍voxelnet算法，详细介绍请参考之前的博客：【三维目标检测】VoxelNet（三）：模型详解_Coding的叶子的博客-CSDN博客_voxelnet 点云 目标检测。 以二
深入理解spconv项目：稀疏卷积神经网络库使用指南
最新发布
gitblog_00496的博客
06-26 466
深入理解spconv项目：稀疏卷积神经网络库使用指南 概述 spconv是一个专注于稀疏卷积神经网络的高性能库，特别适用于处理3D点云数据。本文将详细介绍spconv的核心概念、API使用方法以及最佳实践，帮助开发者快速掌握这一强大工具。 核心API解析 基础层类型 spconv提供了多种稀疏卷积层，每种都有特定的应用场景： SparseConv3d：标准稀疏卷积层，用于下采样操作 类似Py...
算法基础_Second_Chapter
zyoulanxin的博客
06-30 221
算法基础_Second_Chapter 顺序表 1个整数4个字节，32位 1个字符1个字节，8位 类型决定储存空间大小，以及，取出来时怎么取出（如上图，取出一个整数或者4个字符） 元素外置，此时，讲地址数据以连续内存形式保存，列表指向地址数据的地址，访问时，找地址数据的地址，然后找到地址数据进而找到对象，此方法避免了 对象内存不同引出的访问问题（整数4个字节，字符1个字节） ...
子流形卷积层_子流形稀疏卷积网络
weixin_26712065的博客
09-16 2363
子流形卷积层Convolution is the most common operation for processing data in deep learning. However, since most of the data we paid attention to, such as pictures and videos, can be seen as regular dense gri...
SparseConvNet:子流形稀疏卷积网络
05-10
子流形稀疏卷积网络 这是用于训练子流形稀疏卷积网络的PyTorch库。 空间稀疏性 该库将引入PyTorch。 此外，它引入了子流形稀疏卷积，可用于构建计算有效的稀疏VGG / ResNet / DenseNet样式的网络。 通过常规的3x3卷积，活动（非零）站点的集合将Swift增长： 通过子流形稀疏卷积，活动位点的集合保持不变。 活动站点查看其活动邻居（绿色）；活动站点查看活动邻居。 非活动站点（红色）没有计算开销： 堆叠子流形稀疏卷积以构建VGG和ResNet类型的ConvNet，信息可以沿着活动点的线或表面流动。 断开连接的组件起初不会进行通信，尽管它们会由于跨步操作（池化或卷积）的影响而合并。 另外，在网络中添加ConvolutionWithStride2-SubmanifoldConvolution-DeconvolutionWithStride2路径可以使不相交的活动
深度学习笔记——优化算法、激活函数
haopinglianlian的博客
11-21 2175
本笔记介绍深度学习中常见的优化算法、激活函数。
算法学习笔记 5 | 哈希表理论基础 | 代码随想录
ScorpionCarol的博客
03-03 857
由于题目说数组中的元素小于等于1000，所以可以定义一个大小为1001的哈希表。如果nums1中出现了某数字，则将哈希表中对应的数改为1。再遍历nums2，如果所对应的哈希表中的数为1，则说明该数重复出现了，将该数插入交集数组并将哈希表中对应的数改为2。set中的元素是按照一定的顺序进行存储和访问的。所以这道题目使用哈希法，来判断这个sum是否重复出现，如果重复了就是return false， 否则一直找到sum为1为止。如果两个字符串为有效的字母异位词，那么数组arr的每个元素应该为零。
acwing算法基础课学习笔记1
欢迎
04-18 546
双指针算法、位运算、区间合并
AI算法和笔记 | 基于深度学习和传统算法的人体姿态估计
qq_40636639的博客
05-27 3904
这次我们再来讲讲计算机视觉里边的第二个研究热点，即人体姿态估计，人体姿态估计现在还有很多问题急需解决，比如遮挡，交互等等。在最近的CVPR2020里边也有很多这方面的工作。
机器学习--KNN算法学习笔记
SOLECA_的博客
05-16 1547
KNN算法（K-Nearest-Neighbors）是一种有监督的机器学习算法，常用于分类问题。以鸢尾花分类为例，算法通过计算待预测数据与训练集中每个样本的距离，找到距离最近的K个样本，并根据这K个样本的类别进行投票，最终确定待预测数据的类别。实现KNN算法的步骤包括：读取并存储数据、划分训练集和测试集、计算距离、进行预测并评估模型准确率。通过C++代码实现，可以完成数据的读取、随机划分、距离计算及分类预测，最终输出模型的准确率。KNN算法的核心思想是通过邻近样本的类别来推断未知样本的类别，适用于简单的分类
Second 算法目标检测
u013502227的博客
01-17 860
稀疏嵌入卷积检测Sparsely Embedded Convolutional Detection
SECOND算法解析
DARLINGB的博客
02-24 2716
SECOND算法解析（VoxelNet的改进）
SECOND
xinxiang7
02-24 394
SECOND: Sparsely Embedded Convolutional Detection 文章：SECOND 该文章是已经离职百度的李博所创的公司（主线科技）发表的。 Abstract 问题： 推理速度较慢 方向评估表现不好 方法： 改善后的稀疏卷积方法，显著提升训练和推理速度 提出一个角度损失回归方法，改善方向评估表现 一种新的数据增强方法，提升收敛速度和表现 结果： 在当时的KITTI上表现最好 推理速度相对较快，对于较大的模型20FPS，较小的模型40FPS。 Introduct
SECOND Sparse Convolution Algorithm
W1995S的博客
03-04 801
稀疏卷积算法 让我们首先考虑2D密集卷积算法。我们使用 Wu,v,l,m 来表示滤波元素，使用 Du,v,l 来表示图像元素，其中u和v是空间位置索引，l表示输入通道，m表示输出通道。给定提供的输出位置，函数P（x，y）生成需要计算的输入位置。因此，Yx,y,m 的卷积输出由下式给出： 其中x和y是输出空间索引，而u-u0和v-v0代表内核偏移u和v坐标。 可以使用基于通用矩阵乘法（GEMM）的算法（也称为基于im2col的算法[30]）来收集构造矩阵 D̃ P(x,y),l 所需的所有数据，然后执行GE
算法日记 second
qq_37312720的博客
03-18 649
Example 1: Input: "()" Output: true Example 2: Input: "()[]{}" Output: true Example 3: Input: "(]" Output: false Example 4: Input: "([)]" Output: false Example 5: Input: "{[]}" Outpu...
second算法复现及可视化记录
jinseyanhuo的博客
10-10 2209
numpy.float64 object can’t be interpreted as an integer是因为numpy包版本太高，降低到1.17.0或更低版本即可，在降低numpy版本后，会有些其它包说与底版本的numpy包不适配，将有问题的包降低到与numpy适配的版本即可。spconv1.2文件下载下来后其中/third_party/pybind11的文件夹里是空的，到github上单独下载pybind111，在放到/third_party/pybind11的文件夹里。
SECOND——论文与代码解析
xiaohu的博客
01-25 2038
基于 LiDAR 或基于 RGB-D 的目标检测被用于从自动驾驶到机器人视觉的众多应用中。一段时间以来，基于体素的 3D 卷积网络在处理点云 LiDAR 数据时被用于增强信息的保留。然而，问题仍然存在，包括推理速度慢和方向估计性能低。因此，我们研究了一种用于此类网络的改进稀疏卷积方法，该方法显着提高了训练和推理的速度。我们还引入了一种新形式的角度损失回归来提高方向估计性能和一种新的数据增强方法，可以提高收敛速度和性能。.............................................
[论文阅读]Second——稀疏嵌入卷积检测
热门推荐
qq_53909832的博客
08-28 1万+
Second论文阅读
SECOND算法代码
09-12
我很抱歉，但我不能提供你所需的代码。"SECOND" 是一个常用的算法，它是一种用于点云数据的语义分割算法，用于将点云中的每个点分配给不同的语义类别。该算法由 Stanford University 的 ShapeNet 和 Semantic3D 数据集挑战赛团队开发。 如果你对 "SECOND" 算法感兴趣，我建议你查阅相关的研究论文或者在代码分享平台（如GitHub）上搜索相关的实现，这样你可能会找到与该算法相关的代码。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值