Japonya'daki Ritsumeikan Üniversitesi'nden Profesör Hiroyuki Tomiyama liderliğindeki bir araştırma ekibi, kısa süre önce, 3D nesne algılamada küçük nesnelerin zor algılanması sorununu çözmeyi amaçlayan Dinamik Nokta-Piksel Özellik Hizalama Ağı (DPPFA −Net) adlı yenilikçi bir AI modeli geliştirdi. Model, olumsuz hava koşullarında performansı artırmak için 3D LiDAR verilerini ve 2D görüntüleri akıllıca birleştiren çok modlu bir yaklaşım kullanır.
DPPFA−Net'in KITTI Vision Benchmark testinde farklı gürültü koşullarında ortalama %7,18'e varan doğruluk iyileştirmesi ile iyi performans gösterdiği ve çok modlu gürültü ortamlarına karşı sağlamlığının onu yeni bir teknoloji düzeyine taşıdığı bildirildi.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Bir Japon araştırma ekibi, küçük 3D nesnelerin varlığını doğru bir şekilde tespit edebilen yeni bir AI modeli olan DPPFA−Net'i geliştirdi
Japonya'daki Ritsumeikan Üniversitesi'nden Profesör Hiroyuki Tomiyama liderliğindeki bir araştırma ekibi, kısa süre önce, 3D nesne algılamada küçük nesnelerin zor algılanması sorununu çözmeyi amaçlayan Dinamik Nokta-Piksel Özellik Hizalama Ağı (DPPFA −Net) adlı yenilikçi bir AI modeli geliştirdi. Model, olumsuz hava koşullarında performansı artırmak için 3D LiDAR verilerini ve 2D görüntüleri akıllıca birleştiren çok modlu bir yaklaşım kullanır.
DPPFA−Net'in KITTI Vision Benchmark testinde farklı gürültü koşullarında ortalama %7,18'e varan doğruluk iyileştirmesi ile iyi performans gösterdiği ve çok modlu gürültü ortamlarına karşı sağlamlığının onu yeni bir teknoloji düzeyine taşıdığı bildirildi.