用于单目三维目标检测的深度拟合度评分网络
计算机视觉与模式识别
2019-06-11 v2
摘要
本文中,我们提出学习一个用于单目三维目标检测的深度拟合度评分网络,旨在最终地对候选框与物体之间的拟合度进行评分。与大多数使用紧约束获取三维位置的现有单目框架不同,我们的方法通过度量投影的三维候选框与物体之间的视觉拟合度来实现高精度定位。我们首先使用基于锚的方法回归物体的尺寸和方向,从而可以构建合适的三维候选框。我们提出 FQNet,它仅基于二维线索即可推断三维候选框与物体之间的三维交并比(3D IoU)。因此,在检测过程中,我们在三维空间中采样大量候选并在二维图像上分别投影这些三维边界框。最佳候选可通过简单探索候选框与物体之间的空间重叠来挑出,形式为 FQNet 输出的三维 IoU 分数。在 KITTI 数据集上的实验证明了我们框架的有效性。
引用
@article{arxiv.1904.12681,
title = {Deep Fitting Degree Scoring Network for Monocular 3D Object Detection},
author = {Lijie Liu and Jiwen Lu and Chunjing Xu and Qi Tian and Jie Zhou},
journal= {arXiv preprint arXiv:1904.12681},
year = {2019}
}
备注
Accepted by CVPR 2019