基于Automotive Radar的对象检测图查询网络
计算机视觉与模式识别
2025-11-20 v1 机器学习
摘要
3D雷达的对象检测对于360度汽车感知至关重要，但雷达的长波长产生稀疏且规则不规则的反射，挑战了传统基于网格和序列的卷积和变换检测器。本文引入图查询网络（Graph Query Networks, GQN），一种基于注意力的框架，将雷达探测到的对象建模为图，以提取个性化的关系和上下文特征。GQN采用图查询概念，动态注意力鸟瞰图（BEV）空间，构建对象特定图，由两个新模块处理：EdgeFocus用于关系推理和DeepContext Pooling用于上下文聚合。在NuScenes数据集上，GQN将相对mAP提升最高可达+53%，相对于最强旁方法提升+8.2%，同时通过80%的峰值图构建开销降低，采用适度的FLOPs成本。
引用
@article{arxiv.2511.15271,
title = {Graph Query Networks for Object Detection with Automotive Radar},
author = {Loveneet Saini and Hasan Tercan and Tobias Meisen},
journal= {arXiv preprint arXiv:2511.15271},
year = {2025}
}
备注
Accepted in WACV 2026 Main Conference