Data Science – Analytics and Applications 2021
DOI: 10.1007/978-3-658-32182-6_11
|View full text |Cite
|
Sign up to set email alerts
|

Uncertainty aware deep point based neural network for 3D object classification

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1

Citation Types

0
0
0
1

Year Published

2023
2023
2023
2023

Publication Types

Select...
1

Relationship

0
1

Authors

Journals

citations
Cited by 1 publication
(1 citation statement)
references
References 11 publications
0
0
0
1
Order By: Relevance
“…Diese leiten auf unterschiedlichen Skalen Features aus Gruppierungen von räumlich benachbarten Punkten ab und prädizieren für jeden Punkt die zugehörige Klasse. Die intrinsische Unsicherheit der Detektion in industriellen Szenen konnte durch eine Reformulierung mit statistischen Bausteinen quantifiziert und eine Aussage über die Zuverlässigkeit der Erkennungen gewonnen werden [12]. Few-Shot-Learning macht durch Eintrainieren universeller Features die Objektdetektion effizienter und reduziert die Abhängigkeit von großen Trainingsdatensätzen [13].…”
Section: Stand Der Technikunclassified
“…Diese leiten auf unterschiedlichen Skalen Features aus Gruppierungen von räumlich benachbarten Punkten ab und prädizieren für jeden Punkt die zugehörige Klasse. Die intrinsische Unsicherheit der Detektion in industriellen Szenen konnte durch eine Reformulierung mit statistischen Bausteinen quantifiziert und eine Aussage über die Zuverlässigkeit der Erkennungen gewonnen werden [12]. Few-Shot-Learning macht durch Eintrainieren universeller Features die Objektdetektion effizienter und reduziert die Abhängigkeit von großen Trainingsdatensätzen [13].…”
Section: Stand Der Technikunclassified