AA3DNet：注意力增强的实时三维目标检测
计算机视觉与模式识别
2021-08-12 v2 机器学习
摘要
本工作中，我们解决实时下从点云数据进行三维目标检测的问题。为使自动驾驶车辆工作，感知组件以高准确度与快速推理检测真实世界物体至关重要。我们提出一种新颖的神经网络架构及用于点云数据检测三维目标的训练与优化细节。我们给出了本工作中使用的锚点设计与自定义损失函数。本工作使用了空间与通道注意力模块的组合。我们使用Kitti 3D鸟瞰图数据集对结果进行基准测试与验证。我们的方法在该领域以>30 FPS运行，在平均精度与速度上均超越先前最先进水平。最后，我们给出消融研究以表明我们网络的性能具有泛化性。这使其成为可部署于自动驾驶汽车等实时应用的可行方案。
引用
@article{arxiv.2107.12137,
title = {AA3DNet: Attention Augmented Real Time 3D Object Detection},
author = {Abhinav Sagar},
journal= {arXiv preprint arXiv:2107.12137},
year = {2021}
}
备注
12 pages, 8 tables, 6 figures, Submitted to 3DV 2021