用于点云三维目标检测的类平衡分组与采样
计算机视觉与模式识别
2019-08-27 v1
摘要
本报告介绍了我们在 Workshop on Autonomous Driving（WAD, CVPR 2019）举办的 nuScenes3D 检测挑战赛 [17] 中获胜的方法。总体上，我们利用稀疏3D卷积提取丰富的语义特征，随后将其输入类平衡多头网络以执行3D目标检测。为处理自动驾驶场景中固有的严重类不平衡问题，我们设计了一种类平衡采样与增强策略，以生成更平衡的数据分布。此外，我们提出了一种平衡分组头，以提升形状相似类别的性能。基于挑战赛结果，我们的方法在所有指标上大幅优于 PointPillars [14] 基线，在 nuScenes 数据集上实现了最先进的检测性能。代码将于 CBGS 发布。
引用
@article{arxiv.1908.09492,
title = {Class-balanced Grouping and Sampling for Point Cloud 3D Object Detection},
author = {Benjin Zhu and Zhengkai Jiang and Xiangxin Zhou and Zeming Li and Gang Yu},
journal= {arXiv preprint arXiv:1908.09492},
year = {2019}
}
备注
technical report