最近在调研3D算法方面的工作，整理了几篇多视角学习的文章。还没调研完，先写个大概。

  基于RGBD的语义分割的工作重点主要集中在如何将RGB信息和Depth信息融合，主要分为三类：省略。

目录

1、(ICCV2017)《RDFNet: RGB-D Multi-level Residual Feature Fusion for Indoor Semantic Segmentation》

用于室内语义分割的RGB-D多级残差特征融合

论文地址：https://openaccess.thecvf.com/content_iccv_2017/html/Park_RDFNet_RGB-D_Multi-Level_ICCV_2017_paper.html

代码：https://github.com/SeongjinPark/RDFNet

文章介绍：https://blog.csdn.net/u012113559/article/details/81363756

2、（2018 Arxiv）RedNet:Residual Encoder-Decoder Network for indoor RGB-D Semantic Segmentation

论文地址：https://arxiv.org/abs/1806.01054

代码：https://github.com/JindongJiang/RedNet

文章介绍：https://blog.csdn.net/qq_41375318/article/details/104311597、

https://blog.csdn.net/qq_41375318/article/details/103451966

3、（ICIP2019）ACNet：使用注意力网络的RGBD图像语义分割方法

论文地址：https://arxiv.org/abs/1905.10089

代码：https://github.com/anheidelonghu/ACNet

文章介绍：https://blog.csdn.net/kevin_zhao_zl/article/details/100750591、

https://zhuanlan.zhihu.com/p/82193530

4、(NIPS2020)Deep Multimodal Fusion by Channel Exchanging

论文地址：https://arxiv.org/abs/2011.05005

代码：https://github.com/yikaiw/CEN

文章介绍：https://zhuanlan.zhihu.com/p/341959576、

https://blog.csdn.net/hongyuge/article/details/109632887

视频讲解：https://www.bilibili.com/video/BV1ya4y1W7Hf

5、（ECCV2020）Bi-directional Cross-Modality Feature Propagation with Separation-and-Aggregation Gate for RGB-D Semantic Segmentation

论文地址：https://arxiv.org/abs/2007.09183

代码：https://github.com/charlesCXK/RGBD_Semantic_Segmentation_PyTorch

文章介绍：https://blog.csdn.net/sinat_17456165/article/details/107805136

6、（arxiv2021）GLPNet:Global-Local Propagation Network for RGB-D Semantic Segmentation

论文地址：https://arxiv.org/abs/2101.10801

代码：无

文章介绍：

7、(ACCV 2016) FuseNet: Incorporating Depth into Semantic Segmentation via Fusion-based CNN Architecture

论文地址：https://www.semanticscholar.org/paper/FuseNet%3A-Incorporating-Depth-into-Semantic-via-CNN-Hazirbas-Ma/9360ce51ec055c05fd0384343792c58363383952

代码：https://github.com/tum-vision/fusenet

文章介绍：https://blog.csdn.net/u013841196/article/details/82939619

8、（SCIA2017）Multimodal Neural Networks: RGB-D for Segmantic Segmentation and Object Detection

论文地址：https://www.researchgate.net/publication/317803469_Multimodal_Neural_Networks_RGB-D_for_Semantic_Segmentation_and_Object_Detection

代码：

文章介绍：https://blog.csdn.net/qq_38316300/article/details/109546441

9、（3DV2019）3D Neighborhood Convolution: Learning Depth-Aware Features for RGB-D and RGB Semantic Segmentation

论文地址：https://arxiv.org/abs/1910.01460

代码：

文章介绍：https://blog.csdn.net/cangafuture/article/details/113822865

10、（ICCV2017）3D Graph Neural Networks for RGBD Semantic Segmentation

论文地址：https://ieeexplore.ieee.org/document/8237818

代码：https://github.com/yanx27/3DGNN_pytorch

文章介绍：https://blog.csdn.net/P_LarT/article/details/88774811、https://blog.csdn.net/P_LarT/article/details/88774811

多模态Transformer

论文地址：https://arxiv.org/abs/1906.00295

代码：https://github.com/yaohungt/Multimodal-Transformer

论文介绍：https://zhuanlan.zhihu.com/p/84678022?from_voters_page=true、https://zhuanlan.zhihu.com/p/340113856、https://blog.csdn.net/zpainter/article/details/111867693

Transformer语义分割（SETR）

论文地址:https://arxiv.org/abs/2012.15840

代码：https://github.com/fudan-zvg/SETR

文章介绍：https://zhuanlan.zhihu.com/p/341768446

TransUNet：用于医学图像分割的Transformers强大编码器

论文地址：https://arxiv.org/abs/2102.04306

代码：https://github.com/Beckschen/TransUNet

文章介绍：https://blog.csdn.net/weixin_49627776/article/details/115710379

SegFormer：使用Transformer进行语义分割的简单高效设计

论文地址：https://arxiv.org/abs/2105.15203

代码：https://github.com/NVlabs/SegFormer

文章介绍：https://zhuanlan.zhihu.com/p/379054782

Swin-Unet：首个纯Transformer的医学图像分割网络

论文地址：https://arxiv.org/abs/2105.05537

代码：https://github.com/HuCaoFighting/Swin-Unet（目前未开源）

文章介绍：https://blog.csdn.net/amusi1994/article/details/116957208

学习跨模态深度表达用于多模态MR图像分割

地址：https://zhuanlan.zhihu.com/p/349918500

几篇关于RGBD语义分割文章的总结的更多相关文章

  1. 语义分割--全卷积网络FCN详解

    语义分割--全卷积网络FCN详解   1.FCN概述 CNN做图像分类甚至做目标检测的效果已经被证明并广泛应用,图像语义分割本质上也可以认为是稠密的目标识别(需要预测每个像素点的类别). 传统的基于C ...

  2. 【Semantic segmentation Overview】一文概览主要语义分割网络（转）

    文章来源:https://www.tinymind.cn/articles/410 本文来自 CSDN 网站,译者蓝三金 图像的语义分割是将输入图像中的每个像素分配一个语义类别,以得到像素化的密集分类 ...

  3. 多篇开源CVPR 2020 语义分割论文

    多篇开源CVPR 2020 语义分割论文 前言 1. DynamicRouting:针对语义分割的动态路径选择网络 Learning Dynamic Routing for Semantic Segm ...

  4. caffe初步实践---------使用训练好的模型完成语义分割任务

    caffe刚刚安装配置结束,乘热打铁! (一)环境准备 前面我有两篇文章写到caffe的搭建,第一篇cpu only ,第二篇是在服务器上搭建的,其中第二篇因为硬件环境更佳我们的步骤稍显复杂.其实,第 ...

  5. 【Keras】基于SegNet和U-Net的遥感图像语义分割

    上两个月参加了个比赛,做的是对遥感高清图像做语义分割,美其名曰"天空之眼".这两周数据挖掘课期末project我们组选的课题也是遥感图像的语义分割,所以刚好又把前段时间做的成果重新 ...

  6. 笔记：基于DCNN的图像语义分割综述

    写在前面:一篇魏云超博士的综述论文,完整题目为<基于DCNN的图像语义分割综述>,在这里选择性摘抄和理解,以加深自己印象,同时达到对近年来图像语义分割历史学习和了解的目的,博古才能通今!感 ...

  7. 语义分割丨PSPNet源码解析「训练阶段」

    引言 之前一段时间在参与语义分割的项目,最近有时间了,正好把这段时间的所学总结一下. 在代码上,语义分割的框架会比目标检测简单很多,但其中也涉及了很多细节.在这篇文章中,我以PSPNet为例,解读一下 ...

  8. 语义分割(semantic segmentation) 常用神经网络介绍对比-FCN SegNet U-net DeconvNet，语义分割,简单来说就是给定一张图片,对图片中的每一个像素点进行分类；目标检测只有两类,目标和非目标，就是在一张图片中找到并用box标注出所有的目标.

    from:https://blog.csdn.net/u012931582/article/details/70314859 2017年04月21日 14:54:10 阅读数:4369 前言 在这里, ...

  9. 基于FCN的图像语义分割

    语义图像分割的目标在于标记图片中每一个像素,并将每一个像素与其表示的类别对应起来.因为会预测图像中的每一个像素,所以一般将这样的任务称为密集预测.(相对地,实例分割模型是另一种不同的模型,该模型可以区 ...

随机推荐

  1. 禁止特定IP访问Oracle数据库

    通过使用数据库服务器端的sqlnet.ora文件可以实现禁止指定IP主机访问数据库的功能,这对于提升数据库的安全性有很大的帮助,与此同时,这个技术为我们管理和约束数据库访问控制提供了有效的手段 在sq ...

  2. hive学习笔记之三：内部表和外部表

    欢迎访问我的GitHub https://github.com/zq2599/blog_demos 内容:所有原创文章分类汇总及配套源码,涉及Java.Docker.Kubernetes.DevOPS ...

  3. js笔记13

    1.js操作css样式 div.style.width="100px".在div标签内我们添加了一个style属性,并设定了width值,这种写法会给标签带来大量的style属性, ...

  4. JS里的异步实例化

    JS里的异步构造函数 众所周知,Js的构造函数是不能加上async/await来实现异步实例化的,一般当需要一个对象的属性是异步的结果时可以这样写: //! 一个需要指定时间后返回的异步函数 func ...

  5. python画图库及函数，绘制图片从文件提取出来的数据集转化为int，不然作为坐标轴的时候因为是字符串而无法排序

    转化int:  

  6. This application failed to start because no Qt platform plugin could be initialized

    今天在直接运行QT生成的.exe遇到了一个错误:This application failed to start because no Qt platform plugin could be init ...

  7. 1、centos7修改网卡名称为传统的eth0

    [root@localhost ~]# cd /etc/sysconfig/network-scripts/ [root@localhost network-scripts]#mv ifcfg-ens ...

  8. 10、pfile和spfile文件详解

    10.1.介绍: 1.Oracle中的参数文件是一个包含一系列参数以及参数对应值的操作系统文件.它们是在数据库实例启动时候加载的, 决定了数据库的物理结构.内存.数据库的限制及系统大量的默认值.数据库 ...

  9. UVA 11475 Extend to Palindrome hash

    题意: 给出一个字符串,让你往后添加最少的字符,使其成为回文串. 分析: 题目就相当于求后缀字符串为回文串的最长长度,判断回文串要O(n)时间,直接判断肯定不行.我们从后往前枚举,每次字符串与上一个字 ...

  10. AcWing 220. 最大公约数

    给定整数N,求1<=x,y<=N且GCD(x,y)为素数的数对(x,y)有多少对. GCD(x,y)即求x,y的最大公约数. #include<bits/stdc++.h> u ...