- 课程回放

师从李鸿升教授和王晓刚教授。本科毕业于哈尔滨工业大学计算机学院。曾获国家奖学金、Hong Kong PhD Fellowship、Google PhD Fellowship等荣誉。博士期间主要研究方向是3D点云场景的理解,包括3D目标检测、语义分割、实例分割等,曾在TPAMI、CVPR、ECCV、ICLR等期刊会议上发表多篇论文。

师从李鸿升教授和王晓刚教授。本科毕业于哈尔滨工业大学计算机学院。曾获国家奖学金、Hong Kong PhD Fellowship、Google PhD Fellowship等荣誉。博士期间主要研究方向是3D点云场景的理解,包括3D目标检测、语义分割、实例分割等,曾在TPAMI、CVPR、ECCV、ICLR等期刊会议上发表多篇论文。
- 1、点云3D目标检测的研究背景
- 2、OpenPCDet算法库的框架组成
- 3、开发实践:PointRCNN,PV-RCNN等多种3D目标检测算法在OpenPCDet上的开发实践
在算法库开源讲座第一讲中,香港中文大学MMLab的詹晓航博士为我们带来了主题为《自监督学习算法库OpenSelfSup解析与开发实践》的直播讲解。11月30日晚8点,算法库开源讲座第二讲上线,由香港中文大学的在读博士史少帅主讲,主题为《点云3D目标检测算法库OpenPCDet解析与开发实践》。
随着自动驾驶与机器人技术的不断发展,基于点云表征的3D目标检测领域在近年来取得了不断的发展。然而,层出不穷的点云数据集(KITTI、NuScene、Lyft、Waymo、PandaSet等)在数据格式与3D坐标系上往往定义各不相同,各式各样的点云感知算法(point-based、 voxel-based、one-stage/two-stage等)也形态各异,使得相关研究者难以在一个统一的框架内进行各种组合实验。
OpenPCDet是香港中文大学多媒体实验室开源的一套基于PyTorch实现的点云3D目标检测代码库。它采用了数据-模型分离的顶层代码框架设计思想,使得研究者可以轻松适配各种模型到不同的点云3D目标检测数据集上,免去研发模型时迷失在3D坐标转换中的顾虑。同时使用了统一的3D目标检测坐标定义与灵活全面的模块化模型拓扑设计,可以在最大程度上帮助研究者进行灵活、高效、全面的使用。
在算法库开源讲座第二讲中,史少帅博士将会从点云3D目标检测的研究背景出发,全面解析开源算法库OpenPCDet的框架组成与整体设计,同时也会教大家如何使用OpenPCDet进行开发实践,如:PointRCNN,PV-RCNN等多种3D目标检测算法等。对点云3D检测感兴趣的朋友开发者和研究者千万不要错过!
史少帅是香港中文大学多媒体实验室的在读博士,师从李鸿升教授和王晓刚教授,本科毕业于哈尔滨工业大学计算机学院。他曾获国家奖学金、Hong Kong PhD Fellowship、Google PhD Fellowship等荣誉。在博士期间他的主要研究方向是3D点云场景的理解,包括3D目标检测、语义分割、实例分割等,曾在TPAMI、CVPR、ECCV、ICLR等期刊会议上发表多篇论文。