Computational, Label, and Data Efficiency in Deep Learning for Sparse 3D Data
Li, Lanxiao
1
1 Institut für Industrielle Informationstechnik (IIIT), Karlsruher Institut für Technologie (KIT)
11 Institut für Industrielle Informationstechnik (IIIT), Karlsruher Institut für Technologie (KIT)
Abstract:
Deep learning is widely applied to sparse 3D data to perform challenging tasks, e.g., 3D object detection and semantic segmentation. However, the high performance of deep learning comes with high costs, including computational costs and the effort to capture and label data. This work investigates and improves the efficiency of deep learning for sparse 3D data to overcome the obstacles to the further development of this technology.
| Zugehörige Institution(en) am KIT | Institut für Automation und angewandte Informatik (IAI) Institut für Industrielle Informationstechnik (IIIT) |
| Publikationstyp | Hochschulschrift |
| Publikationsjahr | 2024 |
| Sprache | Englisch |
| Identifikator | ISBN: 978-3-7315-1346-9 ISSN: 2190-6629 KITopen-ID: 1000168541 |
| Umfang | XIII, 227 S. |
| Serie | Forschungsberichte aus der Industriellen Informationstechnik / Institut für Industrielle Informationstechnik (IIIT), Karlsruher Institut für Technologie ; 33 |
| Art der Arbeit | Dissertation |
| Fakultät | Fakultät für Elektrotechnik und Informationstechnik (ETIT) |
| Institut | Institut für Industrielle Informationstechnik (IIIT) |
| Prüfungsdaten | 26.10.2023 |
| Prüfungsdatum | 26.10.2023 |
| Schlagwörter | Deep Learning, Künstliche Intelligenz, 3D-Daten, Effizienz, Deep Learning, Artificial Intelligence, 3D Data, Efficiency |
| Relationen in KITopen | |
| Referent/Betreuer | Heizmann, Michael Mikut, Ralf |