面向自动驾驶的激光雷达点云广义少样本三维目标检测
计算机视觉与模式识别
2023-02-09 v1
摘要
近年来，三维目标检测在识别自动驾驶常见物体（如车辆与行人）方面取得了巨大成功。然而，大多数方法严重依赖大量精细标注的训练数据。这限制了它们检测稀有细粒度物体（如警车和救护车）的能力，而后者对于紧急情况（如应急救援等）十分重要。为实现对常见与稀有物体的同步检测，我们提出一项新任务，称为广义少样本三维目标检测，其中常见（基类）物体拥有大量训练数据，而稀有（新类）物体仅含少量数据。具体而言，我们深入分析了图像与点云之间的差异，进而提出了三维激光雷达数据集中少样本设定的实用原则。为解决该任务，我们提出一个简洁有效的检测框架，包括 (1) 一种增量微调方法，将现有三维检测模型扩展以识别常见与稀有物体，以及 (2) 一种样本自适应平衡损失，缓解自动驾驶场景中长尾数据分布问题。在 nuScenes 数据集上，我们进行了充分实验，表明我们的方法能成功检测仅含少量训练数据的稀有（新类），同时保持常见物体的检测精度。
引用
@article{arxiv.2302.03914,
title = {Generalized Few-Shot 3D Object Detection of LiDAR Point Cloud for Autonomous Driving},
author = {Jiawei Liu and Xingping Dong and Sanyuan Zhao and Jianbing Shen},
journal= {arXiv preprint arXiv:2302.03914},
year = {2023}
}