1. <code id="bcxae"><dd id="bcxae"><menuitem id="bcxae"></menuitem></dd></code><th id="bcxae"><em id="bcxae"><tbody id="bcxae"></tbody></em></th>
      <listing id="bcxae"><menu id="bcxae"></menu></listing>
    2. <ruby id="bcxae"><s id="bcxae"></s></ruby>
      <code id="bcxae"><xmp id="bcxae"></xmp></code>
      <code id="bcxae"><xmp id="bcxae"></xmp></code>

      1. <ins id="bcxae"><input id="bcxae"></input></ins>

          • 学习时长

            10周/建议每周8个小时

          • 答疑服务

            专属微信答疑群/讲师助教均参与

          • 作业批改

            每章节设计作业/助教及时批改评分

          • 第1章: Introduction
          • 第1节: Lecture Slides
          • 任务1: 【课件】Point Cloud Lecture1.pdf
          • 第2节: Introduction
          • 任务2: 【视频】Introduction
          • 第3节: PCA and KPCA
          • 任务3-1: 【视频】PCA
          • 任务3-2: 【视频】Kernel PCA
          • 第4节: Surface Normal and Filters
          • 任务4: 【视频】surface normal and filters
          • 第5节: homework
          • 任务5: 【作业】第1章
          • 第3章: Clustering
          • 第1节: Mean Shift
          • 第2节: K-Means
          • 第3节: Self-Organizing Map (SOM)
          • 第4节: Spectral clustering
          • 第5节: Density-Based Spatial Clustering of Applications with Noise (DBSCAN)
          • 第6节: Agglomerative Hierarchical Clustering
          • 第7节: EM Clustering using GMM
          • 第6章: Object Detection
          • 第1节: Image-based Networks: RCNN, YOLO, SSD
          • 第2节: Point Cloud-based Network: VoxelNet, Frustum PointNet, PointRCNN
          • 第8章: ICP and Registration
          • 第1节: Iterative Closest Point
          • 第2节: Global Optimal ICP
          • 第3节: Deep Learning Based ICP: Deep Closest Point, PointNetLK, DeepICP, L3-Net

          相关推荐

          智能机器人 SLAM/VIO 高级
          人工智能基础 数据分析 机器学习 深度学习 强化学习 基础
          机器学习 计算机视觉 深度学习 计算机视觉 进阶
          K1彩票|手机app下载