面向激光雷达三维目标检测的上下文感知数据增强
计算机视觉与模式识别
2022-11-22 v1
摘要
对于三维目标检测，标注激光雷达点云十分困难，因此数据增强是充分利用珍贵标注数据的重要模块。作为广泛使用的增强方法，GT-sample 通过在训练时将真值插入激光雷达帧中有效提升了检测性能。然而，这些样本常被放置在不合理区域，误导模型学习目标与背景间错误的上下文信息。为解决该问题，本文提出一种上下文感知数据增强方法（CA-aug），其通过计激光雷达点云的“有效空间（Validspace）”来保证插入物体的合理放置。CA-aug 轻量且兼容其他增强方法。与 GT-sample 及 Lidar-aug（SOTA）中的同类方法相比，它为现有检测器带来了更高精度。我们还对基于距离视图（RV-based）模型的增强方法进行了深入研究，发现 CA-aug 能充分挖掘 RV-based 网络的潜力。在 KITTI val 划分上的实验表明，CA-aug 可将测试模型的 mAP 提升 8%。
引用
@article{arxiv.2211.10850,
title = {Context-Aware Data Augmentation for LIDAR 3D Object Detection},
author = {Xuzhong Hu and Zaipeng Duan and Jie Ma},
journal= {arXiv preprint arXiv:2211.10850},
year = {2022}
}
备注
6 pages, 4 figures