문서도움말센터문서
이번역페이지는최신내용을담고있지않습니다。최신내용을영문으로보려면여기를클릭하십시오。
深度学习工具箱™를激光雷达工具箱™와함께사용하여라이다포인트클라우드데이터처리에딥러닝알고리즘을적용합니다。
squeezesegv2Layers
在三维组织的激光雷达点云数据上训练PointSeg语义分割网络。
在三维组织的激光雷达点云数据上训练一个SqueezeSegV2语义分割网络。
生成CUDA®MEX代码,用于深度学习网络,用于激光雷达语义分割。本例使用了预先训练的SqueezeSegV2[1]网络,该网络可以将组织好的激光雷达点云分为三类(背景,车,卡车).关于网络的训练过程的信息,请参见使用SqueezeSegV2深度学习网络(Lidar Toolbox)的Lidar点云语义分割。生成的MEX代码将点云作为输入,并通过使用DAGNetwork挤压esegv2网络的对象。
DAGNetwork
训练一个PointNet++深度学习网络,对航空激光雷达数据进行语义分割。
训练PointPillars网络在点云中进行对象检测。
使用激光雷达数据在三维目标检测工作流程中执行典型的数据增强技术。
使用激光雷达标签器(激光雷达工具箱)中预先训练的PointPillars对象检测网络,在点云中自动化车辆检测。在本例中,您将使用AutomationAlgorithm界面自动标记在激光雷达标签应用程序。
AutomationAlgorithm
生成带有自定义层的PointPillars对象检测器的CUDA®MEX。有关更多信息,请参见Lidar Toolbox™中使用PointPillars深度学习(Lidar Toolbox)的Lidar 3d对象检测示例。
다음MATLAB명령에해당하는링크를클릭했습니다。
명령을실행하려면MATLAB명령창에입력하십시오。웹브라우저는MATLAB명령을지원하지않습니다。
选择一个网站,在可用的地方获得翻译的内容,并查看当地的事件和提供。根据您所在的位置,我们建议您选择:.
您也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站表现。其他MathWorks国家网站不适合从您的位置访问。
联系当地办事处