IDMS：面向多尺度单目 3D 目标检测的实例深度方法
计算机视觉与模式识别
2023-02-14 v2
摘要
针对单目 3D 目标检测中图像缺乏深度信息及检测精度差的问题，我们提出了面向多尺度单目 3D 目标检测的实例深度方法。首先，为增强模型对不同尺度目标的处理能力，设计了基于空洞卷积的多尺度感知模块，并考虑到不同尺度特征图之间的不一致性，从空间和通道两个方向对含多尺度信息的深度特征进行再精炼。其次，为使模型获得更好的 3D 感知，本文提出将实例深度信息作为辅助学习任务，以增强 3D 目标的空间深度特征，并利用稀疏实例深度监督该辅助任务。最后，在 KITTI 测试集与评估集上验证所提算法，实验结果表明，相比基线方法，所提方法在汽车类别的 AP40 上提升了 5.27%，有效提高了单目 3D 目标检测算法的检测性能。
关键词
引用
@article{arxiv.2212.01528,
title = {IDMS: Instance Depth for Multi-scale Monocular 3D Object Detection},
author = {Chao Hu and Liqiang Zhu and Weibing Qiu and Weijie Wu},
journal= {arXiv preprint arXiv:2212.01528},
year = {2023}
}
备注
This submission has been withdrawn by arXiv administrators due to inappropriate text overlap with external sources