中文版 | English

在结果中检索

CASIA OpenIR
（本次检索基于用户作品认领结果）

浏览/检索结果: 共6条，第1-6条 帮助

限定条件                
已选(0)清除 条数/页：   排序方式：
Supar Sparse 3D Object Detection 期刊论文
IEEE Transactions on Pattern Analysis and Machine Intelligence, 2023, 卷号: 45, 期号: 10, 页码: 12490-12505
作者:  Fan L(范略);  Yang YX(杨禹雪);  Wang F(王峰);  Wang NY(王乃岩);  Zhang ZX(张兆翔)
Adobe PDF(5476Kb)  |  收藏  |  浏览/下载：31/2  |  提交时间：2024/06/18
目标检测  点云  自动驾驶  
GRAMO: geometric resampling augmentation for monocular 3D object detection 期刊论文
FRONTIERS OF COMPUTER SCIENCE, 2024, 卷号: 18, 期号: 5, 页码: 9
作者:  Guan, He;  Song, Chunfeng;  Zhang, Zhaoxiang
Adobe PDF(2242Kb)  |  收藏  |  浏览/下载：96/3  |  提交时间：2024/02/21
3D detection  monocular  augmentation  geometry  
Depth-Guided Vision Transformer With Normalizing Flows for Monocular 3D Object Detection 期刊论文
IEEE/CAA Journal of Automatica Sinica, 2024, 卷号: 11, 期号: 3, 页码: 673-689
作者:  Cong Pan;  Junran Peng;  Zhaoxiang Zhang
Adobe PDF(37784Kb)  |  收藏  |  浏览/下载：78/22  |  提交时间：2024/02/19
Monocular 3D object detection  normalizing flows  Swin Transformer  
MonoPoly: A practical monocular 3D object detector 期刊论文
Pattern Recognition, 2022, 卷号: 132, 期号: 108967, 页码: 1-10
作者:  He Guan;  Chunfeng Song;  Zhaoxiang Zhang;  Tieniu Tan
Adobe PDF(2584Kb)  |  收藏  |  浏览/下载：292/146  |  提交时间：2023/05/04
Delving into the Effectiveness of Receptive Fields: Learning Scale-Transferrable Architectures for Practical Object Detection 期刊论文
INTERNATIONAL JOURNAL OF COMPUTER VISION, 2022, 卷号: 130, 期号: 4, 页码: 970-989
作者:  Zhang, Zhaoxiang;  Pan, Cong;  Peng, Junran
Adobe PDF(1753Kb)  |  收藏  |  浏览/下载：229/8  |  提交时间：2022/06/06
Computer vision  Object detection  Effective receptive fields  Hardware acceleration  
SARPNET: Shape attention regional proposal network for liDAR-based 3D object detection 期刊论文
NEUROCOMPUTING, 2020, 卷号: 379, 页码: 53-63
作者:  Ye, Yangyang;  Chen, Houjin;  Zhang, Chi;  Hao, Xiaoli;  Zhang, Zhaoxiang
Adobe PDF(2738Kb)  |  收藏  |  浏览/下载：251/2  |  提交时间：2020/03/30
Shape attention  3D shape priors  Feature encoder  3D object detection  LiDAR point cloud