OctNet使用有效的空间分区结构（即八叉树）来减少内存和计算3D卷积神经网络的需求，从而实现高分辨率的深度学习。
这是本文的代码：
， 和
我们展示了OctNet，它是稀疏3D数据的深度学习表示。 与现有模型相比，我们的表示支持深度和高分辨率的3D卷积网络。 为了实现这一目标，我们利用输入数据中的稀疏性，使用一组不平衡的八叉树来对空间进行分层划分，其中每个叶节点都存储一个池化的要素表示。 这样可以将内存分配和计算集中到相关的密集区域，并在不影响分辨率的情况下实现更深的网络。 通过分析分辨率对几个3D任务的影响，包括3D对象分类，方向估计和点云标记，我们演示了OctNet表示的实用性
2021-09-07 16:47:43
640KB
1
行业文档-设计装置-基于可调谐珐波利-珀罗滤波器和阵列式探测器光谱仪的超高分辨率光谱仪.zip
2021-09-06 22:05:31
271KB
12.5米的数字高程数据下载教程，内网既可以下载，需要https://search.asf.alaska.edu/注册账号
2021-09-05 15:16:00
3.15MB
1
图像处理《Boosting Monocular Depth Estimation Models to High-Resolution via Content-Adaptive Multi-Resolution Merging》整篇论文的研读笔记，注解及见解，通过内容自适应多分辨率合并，提高单眼深度估计模型到高分辨率效果。
2021-08-21 09:44:34
6.25MB
1