Geri Dön

Label-efficient lidar panoptic segmentation with 2D annotations

Başlık çevirisi mevcut değil.

PDF İndir

  1. Tez No: 919074
  2. Yazar: AHMET SELİM ÇANAKÇI
  3. Danışmanlar: DR. NİCLAS VÖDİSCH, DR. KÜRSAT PETEK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Belirtilmemiş.
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Albert-Ludwigs-Universität Freiburg im Breisgau
  10. Enstitü: Yurtdışı Enstitü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 80

Özet

Özet yok.

Özet (Çeviri)

LiDAR panoptic segmentation (LPS) a crucial component of robotic perception, enabling a comprehensive understanding of 3D scenes. However, the training of effective LPS models is hindered by the substantial requirement for human-annotated data, which can be both time-consuming and expensive. This annotation burden poses a significant barrier to the widespread adoption of LPS methods, emphasizing the need for label-efficient techniques that can minimize human intervention. To address this challenge, we propose a bootstrapping approach that leverages visual panoptic segmentation. We train a 2D label-efficient network to obtain panoptic pseudo-labels using thirty annotated images and project these predictions into 3D point clouds. By utilizing the inherent geometric properties of the 3D point clouds, we apply clustering techniques to refine and improve the quality of the pseudo-labels. Additionally, we enhance clustering effectiveness by accumulating scans over time and separating ground points, leading to more accurate and robust segmentation results. Finally, we train an off-the-shelf LPS network with our pseudo-labels for real-time deployment. To the best of our knowledge, our method is the first work that uses 2D label-efficient annotations for LPS task, and we achieve 46.5 PQ performance in the nuScenes dataset compared to 77.1 PQ of fully supervised methods.

Benzer Tezler

  1. Tez No

    665700

    Farklı sayısal yüzey modellerinin doğruluk değerlendirmesi

    Accuracy assessment of different digital surface models

    BARIŞ BEŞOL

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. UĞUR ALGANCI

  2. Tez No

    724947

    Derin öğrenme tekniklerini kullanarak hava lidar nokta bulutlarının sınıflandırılması

    Classification of airborne lidar point clouds using deep learning

    FIRAT URAY

    Doktora

    Türkçe

    Türkçe

    2022

    Jeodezi ve FotogrametriNecmettin Erbakan Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDULLAH VARLIK

  3. Tez No

    955360

    Efficient classification of multi-label data streams with label prioritization

    Çok-etiketli veri akışlarının etiket önceliklendirmesi ile verimli sınıflandırılması

    ONUR YILDIRIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Mühendislik Bilimleri Ana Bilim Dalı

    PROF. DR. FAZLI CAN

  4. Tez No

    604295

    Meta-heuristics for dynamic point label placement problem

    Dinamik nokta etiketi yerleştirme problemi için meta-sezgisel yöntemler

    ORKUN AKİLE

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. FATİH ERDOĞAN SEVİLGEN

  5. Tez No

    371269

    Görme engelliler için ambalaj ve etiket tasarımı ve marketler için bir erişim uygulaması

    Packaging and label design for the accesibility implementation plan of blind people to the consumer market

    SONİA LOTFİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    İletişim BilimleriBeykent Üniversitesi

    İletişim ve Tasarım Ana Sanat Dalı

    YRD. DOÇ. DR. BARIŞ ATİKER

Geri Dön