BEVFormer v2：通过透视监督将现代图像骨干网络适配于鸟瞰图识别
计算机视觉与模式识别
2022-11-21 v1
摘要
我们提出了一种带有透视监督的新型鸟瞰图（BEV）检测器，其收敛更快且更适配现代图像骨干网络。现有的最先进 BEV 检测器通常依赖于某些深度预训练骨干网络（如 VoVNet），阻碍了新兴图像骨干网络与 BEV 检测器之间的协同。为解决此限制，我们优先通过引入透视空间监督来简化 BEV 检测器的优化。为此，我们提出了一种两阶段 BEV 检测器，其中来自透视头的候选框被送入鸟瞰图头以进行最终预测。为评估模型有效性，我们开展了广泛的消融实验，重点关注监督形式及所提检测器的通用性。所提方法在多种传统和现代图像骨干网络上得到验证，并在大规模 nuScenes 数据集上取得了新的 SOTA 结果。代码即将发布。
引用
@article{arxiv.2211.10439,
title = {BEVFormer v2: Adapting Modern Image Backbones to Bird's-Eye-View Recognition via Perspective Supervision},
author = {Chenyu Yang and Yuntao Chen and Hao Tian and Chenxin Tao and Xizhou Zhu and Zhaoxiang Zhang and Gao Huang and Hongyang Li and Yu Qiao and Lewei Lu and Jie Zhou and Jifeng Dai},
journal= {arXiv preprint arXiv:2211.10439},
year = {2022}
}