EPNet：利用图像语义增强点特征用于三维目标检测
计算机视觉与模式识别
2020-07-20 v1
摘要
在本文中，我们旨在解决三维检测任务中的两个关键问题，包括多传感器（即LiDAR点云与相机图像）的利用，以及定位与分类置信度之间的不一致性。为此，我们提出了一种新颖的融合模块，以逐点的方式利用语义图像特征增强点特征，且无需任何图像标注。此外，采用一致性约束损失来显式地鼓励定位与分类置信度的一致性。我们设计了一个名为EPNet的端到端可学习框架来集成这两个组件。在KITTI和SUN-RGBD数据集上的大量实验证明了EPNet优于最先进的方法。代码与模型可在：\url{https://github.com/happinesslz/EPNet} 获取。
引用
@article{arxiv.2007.08856,
title = {EPNet: Enhancing Point Features with Image Semantics for 3D Object Detection},
author = {Tengteng Huang and Zhe Liu and Xiwu Chen and Xiang Bai},
journal= {arXiv preprint arXiv:2007.08856},
year = {2020}
}
备注
Accepted by ECCV2020