基于 LiDAR 目标检测中的课程式目标操控
计算机视觉与模式识别
2023-04-11 v1
摘要
本文通过提出一种课程式目标操控（COM）框架，探索课程学习在基于 LiDAR 的 3D 目标检测中的潜力。该框架将课程训练策略嵌入到损失设计与增强过程中。对于损失设计，我们提出 COMLoss 来动态预测目标级难度，并基于训练阶段强调不同难度的目标。在 LiDAR 检测任务中广泛使用的 GT-Aug 增强技术之上，我们提出一种新颖的 COMAug 策略，其首先基于精心设计的启发式方法对真值数据库中的目标进行聚类。然后在训练过程中预测并更新组级难度而非个体难度以获得稳定结果。通过对训练样本渐进式地采样并增强更困难的目标，可提升模型性能与泛化能力。大量实验与消融研究揭示了所提框架的优越性与通用性。代码见 https://github.com/ZZY816/COM。
引用
@article{arxiv.2304.04248,
title = {Curricular Object Manipulation in LiDAR-based Object Detection},
author = {Ziyue Zhu and Qiang Meng and Xiao Wang and Ke Wang and Liujiang Yan and Jian Yang},
journal= {arXiv preprint arXiv:2304.04248},
year = {2023}
}
备注
Accepted by CVPR 2023. The code is available at https://github.com/ZZY816/COM