Buchumschlag

Study of Dropout in PointPillars with 3D Object Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sun, Xiaoxiang, Fox, Geoffrey
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Mixed Precision PointPillars for Efficient 3D Object Detection with TensorRT
von: Fuengfusin, Ninnart, et al.
Veröffentlicht: (2026)

TimePillars: Temporally-Recurrent 3D LiDAR Object Detection
von: Calvo, Ernesto Lozano, et al.
Veröffentlicht: (2023)

UOD: Unseen Object Detection in 3D Point Cloud
von: Choi, Hyunjun, et al.
Veröffentlicht: (2024)

Class-Aware PillarMix: Can Mixed Sample Data Augmentation Enhance 3D Object Detection with Radar Point Clouds?
von: Zhang, Miao, et al.
Veröffentlicht: (2025)

Unsupervised Machine Learning for Detecting and Locating Human-Made Objects in 3D Point Cloud
von: Zhao, Hong, et al.
Veröffentlicht: (2024)

Multimodal Object Query Initialization for 3D Object Detection
von: van Geerenstein, Mathijs R., et al.
Veröffentlicht: (2023)

Optimized CNNs for Rapid 3D Point Cloud Object Recognition
von: Lyu, Tianyi, et al.
Veröffentlicht: (2024)

Voxel or Pillar: Exploring Efficient Point Cloud Representation for 3D Object Detection
von: Huang, Yuhao, et al.
Veröffentlicht: (2023)

Generative Autoencoding of Dropout Patterns
von: Maeda, Shunta
Veröffentlicht: (2023)

Fine-tuning with Very Large Dropout
von: Zhang, Jianyu, et al.
Veröffentlicht: (2024)

Revisiting Out-of-Distribution Detection in LiDAR-based 3D Object Detection
von: Kösel, Michael, et al.
Veröffentlicht: (2024)

Pillar-Voxel Fusion Network for 3D Object Detection in Airborne Hyperspectral Point Clouds
von: Jiang, Yanze, et al.
Veröffentlicht: (2025)

Methodology for an Analysis of Influencing Factors on 3D Object Detection Performance
von: Kuznietsov, Anton, et al.
Veröffentlicht: (2024)

ActiveAnno3D -- An Active Learning Framework for Multi-Modal 3D Object Detection
von: Ghita, Ahmed, et al.
Veröffentlicht: (2024)

Spectral Wavelet Dropout: Regularization in the Wavelet Domain
von: Cakaj, Rinor, et al.
Veröffentlicht: (2024)

PillarTrack:Boosting Pillar Representation for Transformer-based 3D Single Object Tracking on Point Clouds
von: Xu, Weisheng, et al.
Veröffentlicht: (2024)

SpaRC: Sparse Radar-Camera Fusion for 3D Object Detection
von: Wolters, Philipp, et al.
Veröffentlicht: (2024)

Reliable Student: Addressing Noise in Semi-Supervised 3D Object Detection
von: Nozarian, Farzad, et al.
Veröffentlicht: (2024)

GUPNet++: Geometry Uncertainty Propagation Network for Monocular 3D Object Detection
von: Lu, Yan, et al.
Veröffentlicht: (2023)

RadarPillars: Efficient Object Detection from 4D Radar Point Clouds
von: Musiat, Alexander, et al.
Veröffentlicht: (2024)

L2AE-D: Learning to Aggregate Embeddings for Few-shot Learning with Meta-level Dropout
von: Song, Heda, et al.
Veröffentlicht: (2019)

Reliability-Driven LiDAR-Camera Fusion for Robust 3D Object Detection
von: Sadeghian, Reza, et al.
Veröffentlicht: (2025)

Detecting What Matters: A Novel Approach for Out-of-Distribution 3D Object Detection in Autonomous Vehicles
von: Taha, Menna, et al.
Veröffentlicht: (2025)

TRec: Learning Hand-Object Interactions through 2D Point Track Motion
von: Holzmann, Dennis, et al.
Veröffentlicht: (2026)

Towards Reliable Detection of Empty Space: Conditional Marked Point Processes for Object Detection
von: Riedlinger, Tobias J., et al.
Veröffentlicht: (2025)

Progressive Data Dropout: An Embarrassingly Simple Approach to Faster Training
von: Sathiyanarayanan, Shriram M, et al.
Veröffentlicht: (2025)

False Positive Sampling-based Data Augmentation for Enhanced 3D Object Detection Accuracy
von: Oh, Jiyong, et al.
Veröffentlicht: (2024)

LiDAR-Guided Monocular 3D Object Detection for Long-Range Railway Monitoring
von: Sanchez, Raul David Dominguez, et al.
Veröffentlicht: (2025)

Robustness of Object Detection of Autonomous Vehicles in Adverse Weather Conditions
von: Pettersen, Fox, et al.
Veröffentlicht: (2026)

2.5D Object Detection for Intelligent Roadside Infrastructure
von: Polley, Nikolai, et al.
Veröffentlicht: (2025)

Deconstructing the Failure of Ideal Noise Correction: A Three-Pillar Diagnosis
von: Feng, Chen, et al.
Veröffentlicht: (2026)

PAN: Pillars-Attention-Based Network for 3D Object Detection
von: Bispo, Ruan, et al.
Veröffentlicht: (2025)

PointNet with KAN versus PointNet with MLP for 3D Classification and Segmentation of Point Sets
von: Kashefi, Ali
Veröffentlicht: (2024)

TAPIP3D: Tracking Any Point in Persistent 3D Geometry
von: Zhang, Bowei, et al.
Veröffentlicht: (2025)

Vision-based Lifting of 2D Object Detections for Automated Driving
von: Königshof, Hendrik, et al.
Veröffentlicht: (2025)

Class Imbalance in Object Detection: An Experimental Diagnosis and Study of Mitigation Strategies
von: Crasto, Nieves
Veröffentlicht: (2024)

A Study on Real-time Object Detection using Deep Learning
von: Bose, Ankita, et al.
Veröffentlicht: (2026)

Unsupervised Change Detection for Space Habitats Using 3D Point Clouds
von: Santos, Jamie, et al.
Veröffentlicht: (2023)

Shelf-Supervised Cross-Modal Pre-Training for 3D Object Detection
von: Khurana, Mehar, et al.
Veröffentlicht: (2024)

Explainable LiDAR 3D Point Cloud Segmentation and Clustering for Detecting Airplane-Generated Wind Turbulence
von: Qu, Zhan, et al.
Veröffentlicht: (2025)