算法库开源讲座,是智东西公开课继前沿讲座之后,面向者和科研人员策划推出的、专注于讲解不同开源算法库及其实践的一档开源讲座...

在算法库开源讲座第二讲中,点云3D目标检测的研究背景,智东西公开课小程序(图1)

算法库开源讲座,是智东西公开课继前沿讲座之后,面向者和科研人员策划推出的、专注于讲解不同开源算法库及其实践的一档开源讲座。第一季推出三讲,将分别针对开源算法库OpenSelfSup、OpenPCDet和OpenUnReID的框架组成及实践进行深度讲解。

在算法库开源讲座第一讲中,香港中文大学MMLab的詹晓航博士为我们带来了主题为《自学习算法库OpenSelfSup解析与实践》的直播讲解。11月30日晚8点,算法库开源讲座第二讲上线,由香港中文大学的在读博士史少帅主讲,主题为《点云3D目标检测算法库OpenPCDet解析与实践》

随着自动驾驶与机器人技术的不断发展,基于点云表征的3D目标检测领域在近年来取得了不断的发展。然而,层出不穷的点云数据集(KITTI、NuScene、Lyft、Waymo、PandaSet等)在数据格式与3D坐标系上往往定义各不相同,各式各样的点云感知算法(point-based、 voxel-based、one-stage/two-stage等)也形态各异,使得相关研究者难以在一个统一的框架内进行各种组合实验。

OpenPCDet是香港中文大学多媒体实验室开源的一套基于PyTorch实现的点云3D目标检测代码库。它采用了数据-模型分离的顶层代码框架设计思想,使得研究者可以轻松适配各种模型到不同的点云3D目标检测数据集上,免去研发模型时迷失在3D坐标转换中的顾虑。同时使用了统一的3D目标检测坐标定义与灵活全面的模块化模型拓扑设计,可以在最大程度上帮助研究者进行灵活、高效、全面的使用。

在算法库开源讲座第二讲中,史少帅博士将会从点云3D目标检测的研究背景出发,全面解析开源算法库OpenPCDet的框架组成与整体设计,同时也会教大家如何使用OpenPCDet进行实践,如:PointRCNN,PV-RCNN等多种3D目标检测算法等。对点云3D检测感兴趣的朋友者和研究者千万不要错过!

史少帅是香港中文大学多媒体实验室的在读博士,师从李鸿升教授和王晓刚教授,本科毕业于哈尔滨工业大学计算机学院。他曾获国家奖学金、Hong Kong PhD Fellowship、Google PhD Fellowship等荣誉。在博士期间他的主要研究方向是3D点云场景的理解,包括3D目标检测、语义分割、实例分割等,曾在TPAMI、CVPR、ECCV、ICLR等期刊会议上发表多篇论文。

课程介绍

课程主题

点云3D目标检测算法库OpenPCDet解析与实践

课程提纲

1、点云3D目标检测的研究背景

2、OpenPCDet算法库的框架组成

3、实践

PointRCNN,PV-RCNN等多种3D目标检测算法在OpenPCDet上的实践

讲师介绍

史少帅,香港中文大学多媒体实验室博士生,师从李鸿升教授和王晓刚教授;本科毕业于哈尔滨工业大学计算机学院;曾获国家奖学金、Hong Kong PhD Fellowship、Google PhD Fellowship等荣誉;博士期间主要研究方向是3D点云场景的理解,包括3D目标检测、语义分割、实例分割等,曾在TPAMI、CVPR、ECCV、ICLR等期刊会议上发表多篇论文。

直播信息

直播时间:11月30日

直播地点:智东西公开课小程序

加入讨论群

本文相关词条概念解析:

算法

算法是指解题方案的准确而完整的描述,是一系列解决问题的清晰指令,算法代表着用系统的方法描述解决问题的策略机制;它是求解问题类的、机械的、统一的方法,常用于计算、数据处理(英语:Dataprocessing)和自动推理。可以理解为有基本运算及规定的运算顺序所构成的完整的解题步骤。或者看成按照要求设计好的有限的确切的计算序列,并且这样的步骤和序列可以解决一类问题。算法中的指令描述的是一个计算,当其运行时能从一个初始状态和(可能为空的)初始输入开始,经过一系列有限而清晰定义的状态,最终产生输出并停止于一个终态。一个状态到另一个状态的转移不一定是确定的。随机化算法在内的一些算法,包含了一些随机输入。

网友评论