用于联合目标检测与视角估计的圆柱卷积网络
计算机视觉与模式识别
2020-03-26 v1
摘要
现有在深度卷积神经网络中编码空间不变性的技术仅对 2D 变换场建模。这未考虑到 2D 空间中的物体是 3D 物体的投影这一事实，因而它们对剧烈物体视角变化的能力有限。为克服该局限，我们引入一个可学习模块——圆柱卷积网络（CCNs），其利用在 3D 空间中定义的卷积核的圆柱表示。CCNs 通过视角特定的卷积核提取视角特定特征，以预测各视角下的物体类别得分。利用该视角特定特征，我们使用所提出的正弦 soft-argmax 模块同时确定目标类别与视角。我们的实验证明了圆柱卷积网络在联合目标检测与视角估计上的有效性。
引用
@article{arxiv.2003.11303,
title = {Cylindrical Convolutional Networks for Joint Object Detection and Viewpoint Estimation},
author = {Sunghun Joung and Seungryong Kim and Hanjae Kim and Minsu Kim and Ig-Jae Kim and Junghyun Cho and Kwanghoon Sohn},
journal= {arXiv preprint arXiv:2003.11303},
year = {2020}
}
备注
CVPR 2020