Project

Yan Yan, et al. “SECOND: Sparsely Embedded Convolutional Detection”. (2018) Voxel 기반 3D 컨볼루션 네트워크는 포인트 클라우드 LiDAR 데이터를 처리할 때 정보의 보존을 강화하기 위해 한동안 사용되어 왔다. 그러나 느린 추론 속도와 낮은 방향 추정 성능을 포함한 문제가 남아 있다. 따라서 우리는 훈련과 추론 모두의 속도를 크게 높이는 그러한 네트워크에 대한 개선된 sparse convolution method을 조사한다. 또한 방향(the orientation) 추정 성능을 개선하기 위한 새로운 형태의 angle loss regression와 수렴 속도와 성능을 향상시킬 수 있는 new data augmentation approach을 ..

Yin Zhou, et al. “VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection”. Apple. (2017) 기존 노력은 라이더 매우 희박한 point cloud를 Region Proposal Network (RPN) 으로 인터페이스 하기 위해 hand-crafted feature representations 에 집중 되었다. In this works, 우리는 3D point cloud에 대한 일반적인 feature engineering의 필요성을 제거하고 VoxelNet 을 제안합니다. VoxelNet이란? a generic 3D detection network that unifies feature ..

Charles R. Qi, et al. “PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation”. Stanford University. (2017) 포인트 클라우드는 기하학적 데이터 구조의 중요한 유형이다. 불규칙한 포맷으로 인해 대부분의 연구자들은 이러한 데이터를 일반적인 3D 복셀 그리드 또는 이미지 모음으로 변환한다. 그러나 이로 인해 데이터가 불필요하게 대량으로 생성되고 문제가 발생합니다. 본 논문에서는 입력에서 포인트의 the permutation invariance of points in the input 을 잘 존중하는 포인트 클라우드를 직접 소비하는 새로운 유형의 신경망을 설계한다. ..

본 내용은 박예성 연구원 님께서 테스트 웍스에 올린 기사 내용을 그대로 가져와 제가 공부하며 보기 쉽게 편집, 저희의 프로젝트 관련해서 고려해야할 점 그리고 앞으로 조사해야할 키워드 등을 정리한 것입니다. 현재까지 인공지능을 통해 가장 눈부신 성장을 이룬 분야 중 하나로 컴퓨터 비전이 있습니다. 이미지를 분류하는 Classification 객체를 검출하는 Object Detection 객체 영역을 찾는 Semantic Segmation 등 이미지 데이터를 해석하고 이로부터 유용한 정보를 추출하는 기술이 정말 많은 발전을 이루어 사용되고 있습니다. 그렇다면 3차원 정보 데이터 또한 그럴까요? 인공지능이 3차원 정보를 해석하기 위해서는 시각적으로 표현이 가능하면서도 3차원 공간 정보를 담고 있는 데이터가 필..