import paddleimport matplotlib.pyplot as pltimport numpy as npfrom PIL import Imageimport paddle.nn.functional as Fclass MNIST(paddle.nn.Layer):def __init__(self):super(MNIST, self).__init__()self.fc

《基于激光雷达点云的 3D 目标检测技术综述》的阅读笔记

由于Transformer在NLP以及2D图像以及视频领域取得的成功，有学者便想着将其应用于3D点云中，本文将先后介绍以及两篇文章。后续文中将两者分别简称为和。

进行6折交叉验证时，模型在不同的数据子集上进行训练和验证，这样可以确保每个类别在某些折中有足够的表示。这意味着即使area5中beam类的样本很少或者标注有问题，其他区域的数据可以帮助模型学习到beam类的特征，从而在整体的6折交叉验证中得到正常的IoU值。原因是数据不平衡，也就是在特定区域（area5）中beam类的样本数量非常少。如果在训练集中beam类的实例非常少或者完全没有，模型可能就无法

scannetv2数据集使用。