【论文解析】MTCNN论文要点翻译
@ 目录 0.论文连接 1.前言 ２.论文Abstract翻译 ３.论文的主要贡献 ４.算法流程 4.1 网络效果图 4.2 三层网络概述 4.2.1 P-Net 4.2.2 R-Net ...
原文：PointCNN 论文翻译解析
. 前言 卷积神经网络在二维图像的应用已经较为成熟了，但 CNN 在三维空间上，尤其是点云这种无序集的应用现在研究得尤其少。山东大学近日公布的一项研究提出的 PointCNN 可以让 CNN 在点云数据的处理刷新了多项深度学习任务的纪录。由于项目需要，我对PointCNN论文的核心部分做了翻译及部分解析，希望能够帮助大家更好地学习理解PointCNN。 . 概述 如Fig ，传统的卷积作用在二维 ...
2018-05-28 15:47 1 4580 推荐指数：
相关推荐
pointcnn
这篇论文先举例子解释了为什么卷积无法直接应用在点云数据上。 如图1， 传统的卷积是作用在2维图像数据上。图像中每个像素的顺序是固定的，也就是说数据是结构化存储的。直接使用conv2d就能从这种潜在的空间结构中获取信息。 而点云数据是点集，如果直接使用卷积会出现图中234多种情况 ...
深度学习论文翻译解析（十）：Visualizing and Understanding Convolutional Networks
论文标题：Visualizing and Understanding Convolutional Networks 标题翻译：可视化和理解卷积网络 论文作者：Matthew D. Zeiler Rob Fergus 论文地址：https://arxiv.org/pdf ...
深度学习论文翻译解析（七）：Support Vector Method for Novelty Detection
论文标题：Support Vector Method for Novelty Detection 论文作者：Bernhard Scholkopf, Robert Williamson, Alex Smola ..... 论文地址：http://papers.nips.cc/paper ...
深度学习论文翻译解析（十二）：Fast R-CNN
论文标题：Fast R-CNN 论文作者：Ross Girshick 论文地址：https://www.cv-foundation.org/openaccess/content_iccv_2015/papers/Girshick_Fast_R-CNN_ICCV_2015_paper.pdf ...
深度学习论文翻译解析（十六）：Squeeze-and-Excitation Networks
论文标题：Squeeze-and-Excitation Networks 论文作者：Jie Hu Li Shen Gang Sun 论文地址：https://openaccess.thecvf.com/content_cvpr_2018/papers ...
深度学习论文翻译解析（十九）：Searching for MobileNetV3
论文标题：Searching for MobileNetV3 论文作者：Andrew Howard, Mark Sandler, Grace Chu, Liang-Chieh Chen, Bo Chen, Mingxing Tan, Weijun Wang, Yukun Zhu, Ruoming ...
深度学习论文翻译解析（一）：YOLOv3: An Incremental Improvement
论文标题： YOLOv3: An Incremental Improvement 论文作者： Joseph Redmon Ali Farhadi YOLO官网：YOLO: Real-Time Object Detection https://pjreddie.com/darknet ...