Associate-3Ddet：面向 3D 点云目标检测的感知到概念关联
计算机视觉与模式识别
2020-06-09 v1 机器学习
机器人学
图像与视频处理
摘要
尽管近期研究利用深度学习技术推进了性能边界，从 3D 点云进行目标检测仍是一项具有挑战性的任务。由于严重的空间遮挡以及点密度随到传感器距离而固有的变化，同一物体在点云数据中的外观差异很大。因此，针对此类外观变化设计鲁棒的特征表示是 3D 目标检测方法中的关键问题。在本文中，我们创新性地提出一种类域自适应的方法来增强特征表示的鲁棒性。更具体地，我们弥合了感知域(特征来自真实场景)与概念域(特征从由富含细节信息的非遮挡点云组成的增强场景中提取)之间的差距。这种域自适应方法模仿了人脑在进行物体感知时的功能。大量实验表明，我们简单而有效的方法从根本上提升了 3D 点云目标检测的性能，并取得了当前最优(state-of-the-art)结果。
引用
@article{arxiv.2006.04356,
title = {Associate-3Ddet: Perceptual-to-Conceptual Association for 3D Point Cloud Object Detection},
author = {Liang Du and Xiaoqing Ye and Xiao Tan and Jianfeng Feng and Zhenbo Xu and Errui Ding and Shilei Wen},
journal= {arXiv preprint arXiv:2006.04356},
year = {2020}
}
备注
8 pages, 5 figures, CVPR 2020