Дослідницька група на чолі з професором Хіроюкі Томіяма з Університету Ріцумейкан в Японії нещодавно розробила інноваційну модель штучного інтелекту під назвою Dynamic Point-Pixel Feature Alignment Network (DPPFA−Net), яка має на меті вирішити проблему складного виявлення дрібних об'єктів при виявленні 3D-об'єктів. Модель використовує мультимодальний підхід, вміло поєднуючи 3D-дані LiDAR і 2D-зображення для підвищення продуктивності в несприятливих погодних умовах.
Повідомляється, що DPPFA−Net добре показав себе в тесті KITTI Vision Benchmark, із середнім покращенням точності до 7,18% за різних умов шуму, а його стійкість до мультимодальних шумових середовищ вивела його на новий рівень технологій.
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.
Японська дослідницька група розробила нову модель штучного інтелекту DPPFA−Net, яка може точно виявляти наявність невеликих 3D-об'єктів
Дослідницька група на чолі з професором Хіроюкі Томіяма з Університету Ріцумейкан в Японії нещодавно розробила інноваційну модель штучного інтелекту під назвою Dynamic Point-Pixel Feature Alignment Network (DPPFA−Net), яка має на меті вирішити проблему складного виявлення дрібних об'єктів при виявленні 3D-об'єктів. Модель використовує мультимодальний підхід, вміло поєднуючи 3D-дані LiDAR і 2D-зображення для підвищення продуктивності в несприятливих погодних умовах.
Повідомляється, що DPPFA−Net добре показав себе в тесті KITTI Vision Benchmark, із середнім покращенням точності до 7,18% за різних умов шуму, а його стійкість до мультимодальних шумових середовищ вивела його на новий рівень технологій.