HEDNet：一种用于点云三维目标检测的分层编码器-解码器网络
计算机视觉与模式识别
2023-11-01 v1
摘要
点云中的三维目标检测对自动驾驶系统十分重要。三维目标检测的一个主要挑战源于三维场景中点的稀疏分布。现有高性能方法通常采用具有小核的三维稀疏卷积神经网络来提取特征。为降低计算成本，这些方法诉诸子流形稀疏卷积，从而阻碍了空间上不相连特征之间的信息交换。一些近期方法试图通过引入大核卷积或自注意力机制来解决该问题，但它们要么仅取得有限的精度提升，要么带来过高的计算成本。我们提出HEDNet，一种用于三维目标检测的分层编码器-解码器网络，其利用编码器-解码器模块捕获空间特征间的长程依赖，尤其针对大型和远距离物体。我们在Waymo Open和nuScenes数据集上进行了大量实验。HEDNet在这两个数据集上以具竞争力的效率取得了优于先前最先进方法的检测精度。代码见 https://github.com/zhanggang001/HEDNet。
引用
@article{arxiv.2310.20234,
title = {HEDNet: A Hierarchical Encoder-Decoder Network for 3D Object Detection in Point Clouds},
author = {Gang Zhang and Junnan Chen and Guohuan Gao and Jianmin Li and Xiaolin Hu},
journal= {arXiv preprint arXiv:2310.20234},
year = {2023}
}
备注
Accepted by NeurIPS 2023