DeepWORD：一种基于图卷积网络的自动驾驶中主从部件关系检测方法
计算机视觉与模式识别
2021-04-21 v2 人工智能
摘要
值得注意的是，车轮与车辆之间的主从部件关系对车辆的3D感知具有重要贡献，尤其在嵌入式环境中。然而，上述关系预测目前面临两个主要挑战：i) 基于IoU的传统启发式方法因遮挡难以应对交通拥堵场景。ii) 难以为车载系统建立高效适用的解决方案。为解决这些问题，我们设计了一种图卷积网络（GCN），提出一种创新的关系预测方法，即DeepWORD。具体而言，我们利用具有局部相关性的特征图作为节点输入，以提升信息丰富度。此外，我们引入图注意力网络（GAT）动态修正先验估计偏差。进一步地，我们构建了一个标注的主从部件关系数据集WORD作为大规模基准，该数据集即将公开。实验表明，我们的方案在实践中达到了最先进的精度与实时性。
引用
@article{arxiv.2103.16099,
title = {DeepWORD: A GCN-based Approach for Owner-Member Relationship Detection in Autonomous Driving},
author = {Zizhang Wu and Man Wang and Jason Wang and Wenkai Zhang and Muqing Fang and Tianhao Xu},
journal= {arXiv preprint arXiv:2103.16099},
year = {2021}
}
备注
Accepted by IEEE ICME