腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
SIGAI学习与实践平台
专栏作者
举报
281
文章
493532
阅读量
163
订阅数
订阅专栏
申请加入专栏
全部文章(281)
机器学习(105)
人工智能(101)
深度学习(96)
编程算法(96)
神经网络(88)
其他(62)
卷积神经网络(21)
图像处理(16)
图像识别(11)
人脸识别(10)
监督学习(10)
无监督学习(8)
决策树(7)
微信(7)
安全(7)
自动驾驶(6)
网络安全(6)
强化学习(6)
NLP 服务(5)
机器人(5)
线性回归(4)
pytorch(4)
数据分析(4)
https(4)
系统(4)
tensorflow(3)
python(3)
go(3)
linux(3)
文件存储(3)
无人驾驶(3)
模式识别(3)
大数据(3)
数据结构(3)
语音识别(2)
node.js(2)
ide(2)
机器翻译(2)
视频处理(2)
http(2)
面向对象编程(2)
tcp/ip(2)
小程序(2)
聚类算法(2)
学习方法(2)
测试(2)
算法(2)
效率(2)
区块链(1)
数据挖掘(1)
html(1)
arm(1)
数据库(1)
access(1)
打包(1)
批量计算(1)
日志服务(1)
文字识别(1)
人脸核身(1)
网站(1)
企业(1)
serverless(1)
存储(1)
开源(1)
自动化(1)
互联网医疗(1)
erp(1)
推荐系统(1)
单元测试(1)
kernel(1)
腾讯云开发者社区(1)
视频分析(1)
特征工程(1)
app(1)
rgb(1)
tensor(1)
产品(1)
反射(1)
工具(1)
连接(1)
配置(1)
软件(1)
研发(1)
原理(1)
搜索文章
搜索
搜索
关闭
3D实例分割
图像处理
面向对象编程
3D语义分割区分场景中各类对象,3D实例分割区分场景中各类别中的各种个体。近两年来,3D实例分割的关注度越来越高,相应的方法也被接连提出。众多方法的思想主要分为两类:基于候选区域的实例分割(proposal-based)和免候选区域的实例分割(proposal-free)。其中,proposal-based先获取场景中的感兴趣的候选区域,如:3D bounding boxes等,并在候选区域内对3D数据进一步预测得到实例标签。考虑到proposal-based 实例分割通常需要2个过程(先得到候选区域,再实例分割),分割过程繁琐,则proposal-free则摒弃了基于候选区域的方式,直接通过数据特征或者结合语义分割结果,得到实例分割结果。下面根据这两个方向总结现有的实例分割方法。
SIGAI学习与实践平台
2019-09-05
2.5K
0
如何区分并记住常见的几种 Normalization 算法
pytorch
批量计算
面向对象编程
七期飞跃计划还剩12个名额,联系小编,获取你的专属算法工程师学习计划(联系小编SIGAI_NO1)
SIGAI学习与实践平台
2019-07-01
2.3K
0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
立即发文
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档