利用尺度不变与特征重加权网络的三维目标检测
计算机视觉与模式识别
2019-09-25 v1
摘要
三维目标检测在大量现实应用中起着重要作用。它要求我们在真实场景中估计三维目标的定位与朝向。本文提出一种新的网络架构,专注于利用前视图图像与视锥点云生成三维检测结果。一方面,利用PointSIFT模块提升三维分割性能。该模块能捕捉空间中不同方向的信息以及对不同尺度形状的鲁棒性。另一方面,我们的网络通过SENet模块获取有用特征并抑制信息量较少的特征。该模块重加权通道特征并更有效地估计三维边界框。我们的方法在室外场景的KITTI数据集与室内场景的SUN-RGBD数据集上进行了评估。实验结果表明,尤其在的点云高度稀疏时,我们的方法优于SOTA方法。
引用
@article{arxiv.1901.02237,
title = {3D Object Detection Using Scale Invariant and Feature Reweighting Networks},
author = {Xin Zhao and Zhe Liu and Ruolan Hu and Kaiqi Huang},
journal= {arXiv preprint arXiv:1901.02237},
year = {2019}
}
备注
The Thirty-Third AAAI Conference on Artificial Intelligence (AAAI-19)