1. 本文提出了一种基于投票的3D物体检测方法,它利用上下文建模和SOB-3DNMS来解决3D物体检测中的问题。
2. 文章还介绍了一些有助于3D物体检测的先前工作,包括Point Convolutional Neural Networks、Soft-NMS、GCNet、End-to-End Object Detection with Transformers、Context Refinement for Object Detection、A Hierarchical Graph Network for 3D Object Detection on Point Clouds等。
3. 本文还对该方法在KITTI数据集上进行了实验,并且取得了较好的性能。
本文是一篇关于Vote-Based 3D Object Detection with Context Modeling and SOB-3DNMS的学术论文,旨在介绍一种基于投票的三维物体检测方法,并将其应用到KITTI数据集上。
就可信度而言,本文采用多个步骤来证明其提出的方法是有效的。首先,作者介绍了一些相关工作,如Point Convolutional Neural Networks、Soft-NMS、GCNet、End-to-End Object Detection with Transformers、Context Refinement for Object Detection和A Hierarchical Graph Network for 3D Object Detection on Point Clouds。这表明作者对相关领域有所了解,并且能够将这些工作成功地应用到自己的方法中。此外,作者还对所提出方法在KITTI数据集上进行实验,并取得较好的性能。因此,我们可以相信本文所提出的方法是有效的。
就可靠性而言,本文也是相当可靠的。作者采用多个步骤来证明所提出方法是有效的:引用相关工作并将它们应用到自己的方法中; 在KITTI数据集上进行实验; 并通过实验得出合理的性能衡量标准来证明所使用方法是合理考虑到风险因素后得出合理结论。因此,我们可以相信本文所得出的结论是可信耐久性强且不会随时间老化或失去意义。