在无三维边界框标注情况下学习单目三维车辆检测
计算机视觉与模式识别
2020-10-08 v1
摘要
基于深度学习的三维目标检测器的训练需要带有三维边界框标注的大型数据集作为监督，而这些标注必须通过人工标记生成。我们提出了一种网络架构与训练流程，用于在无三维边界框标注的情况下学习单目三维目标检测。通过将目标表示为三角网格并采用可微形状渲染，我们基于深度图、分割掩码以及自车与目标运动定义了损失函数，这些信号由预训练的现成网络生成。我们在真实世界的 KITTI 数据集上评估了所提算法，与需要三维边界框标注进行训练的当前最优（SOTA）方法相比取得了有前景的性能，并优于传统的基线方法。
引用
@article{arxiv.2010.03506,
title = {Learning Monocular 3D Vehicle Detection without 3D Bounding Box Labels},
author = {L. Koestler and N. Yang and R. Wang and D. Cremers},
journal= {arXiv preprint arXiv:2010.03506},
year = {2020}
}