【ICASSP 2023】ST-MVDNET++论文阅读分析与总结

主要是数据增强的提点方式。并不能带来idea启发,但对模型性能有帮助

Challenge:

少有作品应用一些全局数据增强,利用ST-MVDNet自训练的师生框架,集成了更常见的数据增强,如全局旋转、平移、缩放和翻转。

Contribution:

1.介绍了激光雷达雷达车辆检测模型的几何增强。

2.提出了一个师生框架名称STMVDNet++,并结合几何增强和噪声增强来训练广义融合模型。

3.在 ORR 数据集上sota。

Method:

1.Radar-Lidar Global Augmentation

懒得总结,看图即可

2.Student Augmentation

懒得总结,原文"dropping points on Lidar and dropping intensity pixels on radar maps"

Experiments

一个实验表,体现数据增强的sota和消融

相关推荐
诸葛思颖1 天前
论文阅读笔记——Flow-of-Action
论文阅读·笔记
Chunyyyen1 天前
【第四十八周】论文阅读
论文阅读
大模型最新论文速读1 天前
06-08 · LLM 最新论文速览
论文阅读·人工智能·深度学习·机器学习·自然语言处理
长桥夜波2 天前
【第四十三周】论文阅读《Planning with the Views via Scene Self-Exploration》
论文阅读·vln
chnyi6_ya2 天前
论文阅读笔记:VChain: Chain-of-Visual-Thought for Reasoning in Video Generation
论文阅读·笔记
StfinnWu3 天前
论文阅读:Rethinking Performance Gains in Image Dehazing Networks
论文阅读
CV-杨帆3 天前
论文阅读 ICML 2026 Active Attacks: Red-teaming LLMs via Adaptive Environments
论文阅读
大模型最新论文速读3 天前
StreamMA:把流式输出应用到多智能体系统
论文阅读·人工智能·深度学习·机器学习·自然语言处理
大模型最新论文速读4 天前
06-05 · LLM 最新论文速览
论文阅读·人工智能·深度学习·机器学习·自然语言处理
verphan4 天前
AI论文阅读(一)《Long Context Pre-Training with Lighthouse Attention》
论文阅读·人工智能