Yazar
Balatkan, Eren, Kıraç, Mustafa Furkan
Basım Tarihi
2021
Basım Yeri
-
IEEE
Konu
3D nesne algılama, Kutu karıştırma, Seyrek voksel ızgarası, Alt manifold seyrek evrişimi
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
2-s2.0-85125842056
Kayıt Numarası
e5410971-9a53-4eca-9546-3bb861a86210
Lokasyon
Bilgisayar Bilimi
Tarih
2021
Örnek Metin
Doğru ve hızlı 3D nesne algılama, güvenli ve yetenekli otonom makineler için büyük önem taşıyor. LiDAR nokta bulutu tabanlı yöntemler etkileyici sonuçlar vermiştir, ancak pahalı LiDAR sensörleri bu tür yaklaşımları geniş ölçekli adaptasyon için olanaksız hale getirmektedir. Öte yandan kamera tabanlı yöntemler, optimumun altında verilen güvenlik ve doğruluk gereksinimlerini yerine getiriyor. Geleneksel olarak, kamera tabanlı 3B nesne tespiti, RGB-D verilerinden sözde LiDAR nokta bulutları üretilerek ve nokta bulutu tabanlı modeller kullanılarak gerçekleştirilir, ancak nokta bulutu veri temsilinin düzensiz doğası, 3B uzayda uzamsal yerel korelasyonlardan yararlanmayı zorlaştırır ve nokta bulutu tabanlı modeller genellikle bundan muzdariptir. Bu amaçla, Seyrek Voksel tabanlı 3D Nesne Tespiti'ni öneriyoruz; yaklaşımımız, nokta bulutu bilgisini seyrek voksel ızgarasına dönüştürmesi ve PointNet tabanlı modeller yerine bilgi çıkarmak için alt manifold seyrek evrişimleri kullanması nedeniyle geleneksel yaklaşımlardan farklılık göstermektedir. Ayrıca Bin-Mixing katmanlarını öneriyoruz. Bin-Mixing, bir sinir ağının çıktı katmanını değiştirir ve regresyon sorununu ağın öğrenmesi daha kolay bir biçimde temsil ederek performansı artırır.
DOI
10.1109/UBMK52708.2021.9558880
