Học sâu được áp dụng rộng rãi cho dữ liệu 3D thưa thớt để thực hiện các nhiệm vụ đầy thách thức, ví dụ: phát hiện đối tượng 3D và phân đoạn ngữ nghĩa. Tuy nhiên, hiệu suất cao của học sâu đi kèm với chi phí cao, bao gồm chi phí tính toán và nỗ lực thu thập và gắn nhãn dữ liệu. Công việc này nghiên cứu và cải thiện hiệu quả của deep learning đối với dữ liệu 3D thưa thớt nhằm khắc phục những trở ngại cho sự phát triển hơn nữa của công nghệ này.

Abstract:

Deep learning is widely applied to sparse 3D data to perform challenging tasks, e.g., 3D object detection and semantic segmentation. However, the high performance of deep learning comes with high costs, including computational costs and the effort to capture and label data. This work investigates and improves the efficiency of deep learning for sparse 3D data to overcome the obstacles to the further development of this technology.

Ngôn ngữ:	En
Tác giả:	Lanxiao Li
Thông tin nhan đề:	Computational, Label, and Data Efficiency in Deep Learning for Sparse 3D Data
Nhà xuất bản:	KIT Scientific Publishing
Loại hình:	Tài nguyên giáo dục mở / Bộ sưu tập: Công nghệ thông tin
Bản quyền:	https://creativecommons.org/share-your-work/use-remix/cc-licenses/#by-sa
Nguồn gốc:	https://library.oapen.org/handle/20.500.12657/90368
Mô tả vật lý:	256p.
Năm xuất bản:	2024