hkust-vgd/shellnet
این پروژه یک شبکه عصبی کانولوشنی برای پردازش ابر نقاط (Point Cloud) است که با استفاده از آمار در لایههای متحدالمرکز (Shell Statistics)، عملکرد بهتری در تحلیل دادههای سهبعدی ارائه میدهد.
کاربرد:
این مدل برای کارهای تشخیص شیء، طبقهبندی اشیاء سهبعدی و بخشبندی معنایی در دادههای ابر نقاط مثل دادههای لیدار (LiDAR) مناسب است.
در چه شرایطی بهتره استفاده شود؟
وقتی با دادههای پراکنده و نامنظم سهبعدی سروکار دارید و نیاز به یک مدل کارآمد و سبک با عملکرد بالا دارید، ShellNet گزینه مناسبیست. همچنین زمانی که منابع محاسباتی محدود است، به دلیل کارایی بالا، انتخاب بهتری نسبت به مدلهای سنگینتر است.
چند مثال از موارد استفاده
- تشخیص اشیاء در خودروهای خودران
- تحلیل محیط در رباتیک
- بازسازی ساختمانها در نقشهبرداری هوایی ️
- تشخیص تغییر در دادههای شهری با لیدار
- ##ShellNet
- ##PointCloud
- ##3DClassification
- ##LiDAR
- ##EfficientCNN
- ##AutonomousDriving
- ##Robotics
- ##SemanticSegmentation
- ##DeepLearning
- ##3DComputerVision