Một nhóm nghiên cứu dẫn đầu bởi Giáo sư Hiroyuki Tomiyama của Đại học Ritsumeikan ở Nhật Bản gần đây đã phát triển một mô hình AI sáng tạo được gọi là Mạng căn chỉnh tính năng điểm ảnh động (DPPFA−Net), nhằm giải quyết vấn đề khó phát hiện các vật thể nhỏ trong phát hiện đối tượng 3D. Mô hình sử dụng cách tiếp cận đa phương thức, kết hợp khéo léo dữ liệu LiDAR 3D và hình ảnh 2D để cải thiện hiệu suất trong điều kiện thời tiết bất lợi.
Được biết, DPPFA−Net hoạt động tốt trong bài kiểm tra KITTI Vision Benchmark, với độ cải thiện độ chính xác trung bình lên đến 7,18% trong các điều kiện tiếng ồn khác nhau và sự mạnh mẽ của nó đối với môi trường tiếng ồn đa phương thức đã đưa nó lên một tầm cao mới của công nghệ.
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.
Một nhóm nghiên cứu Nhật Bản đã phát triển một mô hình AI mới, DPPFA-Net, có thể phát hiện chính xác sự hiện diện của các vật thể 3D nhỏ
Một nhóm nghiên cứu dẫn đầu bởi Giáo sư Hiroyuki Tomiyama của Đại học Ritsumeikan ở Nhật Bản gần đây đã phát triển một mô hình AI sáng tạo được gọi là Mạng căn chỉnh tính năng điểm ảnh động (DPPFA−Net), nhằm giải quyết vấn đề khó phát hiện các vật thể nhỏ trong phát hiện đối tượng 3D. Mô hình sử dụng cách tiếp cận đa phương thức, kết hợp khéo léo dữ liệu LiDAR 3D và hình ảnh 2D để cải thiện hiệu suất trong điều kiện thời tiết bất lợi.
Được biết, DPPFA−Net hoạt động tốt trong bài kiểm tra KITTI Vision Benchmark, với độ cải thiện độ chính xác trung bình lên đến 7,18% trong các điều kiện tiếng ồn khác nhau và sự mạnh mẽ của nó đối với môi trường tiếng ồn đa phương thức đã đưa nó lên một tầm cao mới của công nghệ.