【综述】3D数据分类深度学习方法综述，25页论文带你全面了解最新进展

【导读】近年来，深度学习技术在计算机视觉领域得到了广泛应用，但更多是集中于2D数据中，对3D数据的分析仍具有很大的不足，本文为大家编译了一份最新发布的3D数据分类方法综述，重点介绍深度学习方法对3D数据分类任务的应用价值。

介绍：

在过去十年中，深度学习推进了2D图像理解任务的分析精度，但用于3D感知测量的分析技术仍然不太成熟，如在点云上进行分类理解等。然而，3D数据理解在实际生产生活中具有着广泛的研究价值，从室内机器人导航到国家级遥感遥测，均离不开3D数据的理解技术。因此，本文整体回顾了当前用于处理非结构化欧式空间数据的深度学习方法，首先介绍了背景概念和传统方法等，并介绍了各个类别任务下的数据集，最后，详细讨论了3D数据中的深度学习研究的未来趋势，并探讨了未来比较有价值的研究领域。

文章结构：

• 背景概念

• 点云处理

• 深度学习处理

• 数据集

• RGB-D数据集

• 室内数据集

• 室外数据集

• RGB-D技术

• 体积估算技术

• 多视角CNN

• 无序点集处理

• 有监督方法

• 无监督方法

• 有序点云处理

• 讨论

• 结论

获取全文PDF

请关注专知公众号（点击上方蓝色专知关注）

后台回复“3D2019SUY” 就可以获取《3D数据分类深度学习方法综述》论文的下载链接。

附全文预览：

更多精彩内容，请下载观看

-END-

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎登录www.zhuanzhi.ai，注册登录专知，获取更多AI知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成！550+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程