论文基于RF的3D骨架(RF-Based 3D Skeletons)--关于4D卷积分解的理解
4D无线信号(空间+时间)
从位置(x,y,z)反射的RF信号表示为:
Sk,i为t时刻在第K个接收天线上,一个调频连续波扫描得到的第i个样本,
dk(x,y,z)为从发射天线到坐标(x,y,z)的体素,再返回到第k个接收天线的往返距离,
λi为调频连续波扫描中第i个样本信号的波长。
a^n 、a^(n−1) 是n层、n-1层的特征图,f^n 是在n层的4D卷积滤波,*(4D)代表4D卷积操作
两个定义
平面求和:矩阵A(nxl),B(mxl),平面和A⊕B是一个3D张量C(nxmxl) ,C(i,j,k)=A(i,k)+B(j,k)
平面分解:采用3D张量,将其分解为2个2D张量,可以使用平面求和来重新生成原始的3D张量 C=A⊕B,3D张量C可以写入矩阵A、B的平面和
4D CNN分解过程:
(1)分解RF输入
通过分解空间维度来分解空间维度来分解3D RF张量
具有水平阵列、垂直阵列的FMCW无线电阵列的3D RF张量是平面可分解的,它可以分解成从水平、垂直阵列分开计算的2D RF张量的平面和
(2)对于每个卷积层,输入、输出都是可分解的
卷积分解:对一个可分解的4D张量A=H⊕V,具有4D滤波f的卷积A的输出也是可分解的,即存在3D张量H’和V’,使
(A经过卷积滤波=2个3D张量的平面和)
(上面H’和V’指3D张量,下面证明里指2D张量)
证明:由于空间限制,只证明了下面的3D空间卷积的分解,4D卷积是它的自然延伸。 对于矩阵H(nxl)、矩阵V(mxl),要证明
(H⊕V)(∗(3D) ) (f^h +f^v )=H′⊕V′
其中H′=(mH+1nxm⋅V)(∗(2D) ) f^ℎ,
V′=(nV+1mxn⋅H)(∗(2D) ) f^v (分析后凑出来的)
根据
3DRF张量可以计算表示为:
天线数M+N=K,m,n:第m、n个接收天线,i:第i个采样,h,v:第h、v个平面
水平和垂直方向的2DRF张量计算为:
(3)softmax loss和最大得分都可分解
论文基于RF的3D骨架(RF-Based 3D Skeletons)--关于4D卷积分解的理解相关推荐
- 三维目标检测论文阅读:VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection
VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection 理解了PointPillars这篇文章后,看这篇文章就清 ...
- 论文笔记—A Review of Visual-LiDAR Fusion based Simultaneous Localization and Mapping
论文笔记-A Review of Visual-LiDAR Fusion based Simultaneous Localization and Mapping 论文链接 文章摘要 ~~~~ ~ ...
- 论文翻译:LP-3DCNN: Unveiling Local Phase in 3D Convolutional Neural Networks
引言 传统的3D卷积神经网络(CNN)计算成本高,内存密集,容易过度拟合,最重要的是,需要改进其特征学习能力.为了解决这些问题,我们提出了整流局部相位体积(ReLPV)模块,它是标准3D卷积层的有效替 ...
- 【论文翻译】FCOS3D: Fully Convolutional One-Stage Monocular 3D Object Detection
文章目录 PaperInfo Abstract 1 Introduction 2 Related Work 2D Object Detection Monocular 3D Object Detect ...
- 论文阅读:Multi-view Convolutional Neural Networks for 3D Shape Recognition
Preface 今天阅读一篇ICCV2015的论文:<Multi-view Convolutional Neural Networks for 3D Shape Recognition>, ...
- 文献解读-CVPR2019-Stereo R-CNN based 3D Object Detection for Autonomous Driving
小菜鸡最近跟着大佬们学看文献,那就适当地记录一下,当作自己的学习笔记吧.文中也有很多理解不到位的地方的,毕竟还只是个小菜鸟,不懂的地方多得是.所以哪里有问题的还请各位读者好好指点指点. 今天要介绍的论 ...
- 论文学习:Occlusion Robust Face Recognition Based on Mask Learning
论文地址:Occlusion Robust Face Recognition Based on Mask Learning with Pairwise Differential Siamese Net ...
- Real-time voxel based 3D semantic mapping with a hand held RGB-D camera
Real-time voxel based 3D semantic mapping with a hand held RGB-D camera 论文整理 作者:Xuan Zhang 整理: ...
- 四六级考试中的计算机类文章,毕业设计论文-基于web的英语四六级模拟在线考试系统.doc...
毕业设计论文-基于web的英语四六级模拟在线考试系统 基于web的英语四六级模拟在线考试系统 摘要 随着科学技术的不断提高,计算机科学技术日渐成熟,其强大的功能已为人们深刻认识,它已进入人类社会的各个 ...
最新文章
- 复旦邱锡鹏教授公布《神经网络与深度学习》,中文免费下载 | 极客头条
- 计算机信息安全专业欧洲排名,美国大学信息安全专业排名TOP10一览 加州大学伯克利分校居首...
- WZ132源代码有的在运果子
- Socket.Receive 无法预知字节长度的数据接收
- Java基础(二)——面向对象
- IDEA编译时出现“cannot resolve symbol“的问题时的解决方法。
- 3个关于HR的OKR的优秀案例
- iperf3 for Linux
- c# .net object对象与json字符串互转换
- Excel图表制作(二):单选框和下拉菜单组合完成动态图
- windows xp 安装python3.4.4(xp最高支持到3.4.4,后续版本不支持)
- [zz] 导致你创业失败的18个错误 [2007-05-03]
- MyBioSource 丨艾美捷抗C17ORF75抗体:兔C17ORF75多克隆抗体
- python时间戳datetime取出年、月、日、时
- 一款全屏展示的流量卡官网单页模板源码
- TabIndex是干什么滴
- jquery实现数字抽奖(版本2)
- nyist 252 01串
- 利用MATLAB实现图片切换动画效果详解
- Spark GraphX 自带的图算法
热门文章
- C语言指针、平均值函数
- EXCEL表格怎么把E换成数字并保留几位小数
- 在线手机计算机,qq电脑在线怎么显示手机在线
- ORACLE RAC集群大范围delete大表与insertupdate同时执行导致活动会话数飙升
- django实现利用mailgun进行收发邮件
- 硬核拆解Sea:新生代“阿里+腾讯+美团“的估值逻辑
- springboot1.5.x升级到springboot2.x 解决方案
- matlab找出定价规律,基于MATLAB建立数学模型对定价系统的研究
- pandas高效实现条件逻辑
- html5动画模板_使基本HTML模板更上一层楼的动画