面向基于关键点的单目三维目标检测的 Lite-FPN
计算机视觉与模式识别
2021-06-15 v2
摘要
基于单张图像的三维目标检测是自动驾驶中一项重要且具有挑战性的任务。近年来，基于关键点的单目三维目标检测取得了巨大进展，并实现了良好的速度-精度权衡。然而，其在精度方面与基于激光雷达（LIDAR）的方法仍存在较大差距。为在不牺牲效率的前提下提升其性能，我们提出了一种称为 Lite-FPN 的轻量级特征金字塔网络，以高效且有效的方式实现多尺度特征融合，从而增强基于关键点的检测器的多尺度检测能力。此外，通过引入一种名为注意力损失（attention loss）的新型回归损失，进一步缓解了分类得分与定位精度之间的错位。借助所提出的损失，在训练阶段，对具有高置信度但定位较差的预测给予更多关注。基于 KITTI 数据集上多个最先进的基于关键点的检测器进行的对比实验表明，我们提出的方法在精度和帧率方面均取得了显著提升。代码与预训练模型将在 \url{https://github.com/yanglei18/Lite-FPN} 发布。
引用
@article{arxiv.2105.00268,
title = {Lite-FPN for Keypoint-based Monocular 3D Object Detection},
author = {Lei Yang and Xinyu Zhang and Li Wang and Minghan Zhu and Jun Li},
journal= {arXiv preprint arXiv:2105.00268},
year = {2021}
}
备注
11 pages, 4 figures