解析SSD-6D

以下是按照给定规则对文本进行的同义改写

该研究的核心成果发表在Arxiv.org记录中。
该模块的测试模块代码位于Github源代码仓库中。

1. 综述

多种3D检测系统多采用基于视点的方法，在后续流程中生成一系列离散的目标样本用于视频特征提取工作

YOLO和SSD等2D检测器的核心原理：通过调整采样机制，使得场景采样不再依赖于得到连续化的输出结果而是采用离散化的输入点作为基础。输入空间在整个图像中呈现密集分布状态，在此基础上输出空间被系统性地划分成不同形状和尺寸的边界框区域。

本文贡献：

1. 基于Single Shot MultiBox Detector (SSD)架构，在RGB图像中识别物体并估计其实体位置及其姿态参数；
2. 基于人工合成的标注数据集进行模型训练；
3. 将姿态空间分解为多个子空间组合体, 这种方法使得模型能够更灵活地进行模型训练；
4. 该扩展型SSD不仅用于生成2维检测框, 同时能够推导出物体完整的6维姿态信息；
5. 计算速度显著提升

2. 网络结构

Base line 预训练的InceptionV4
Input is a 229×229 R