MBDF-Net：用于三维目标检测的多分支深度融合网络
计算机视觉与模式识别
2021-08-31 v1
摘要
点云和图像在表示三维物体时可以提供互补信息。融合这两类数据通常有助于改善检测结果。然而，由于两种数据模态的不同特性以及来自非关注区域的干扰，融合它们具有挑战性。为解决该问题，我们提出一种用于三维目标检测的多分支深度融合网络（MBDF-Net）。所提出的检测器具有两个阶段。在第一阶段，我们的多分支特征提取网络利用自适应注意力融合（AAF）模块从单模态语义特征生成跨模态融合特征。在第二阶段，我们使用感兴趣区域（RoI）池化融合模块生成增强的局部特征以进行精炼。我们还提出了一种新颖的基于注意力的混合采样策略，用于在下采样过程中选择关键点。我们在 KITTI 和 SUN-RGBD 两个广泛使用的基准数据集上评估了我们的方法。实验结果表明了我们的方法相对于最先进方法的优势。
引用
@article{arxiv.2108.12863,
title = {MBDF-Net: Multi-Branch Deep Fusion Network for 3D Object Detection},
author = {Xun Tan and Xingyu Chen and Guowei Zhang and Jishiyu Ding and Xuguang Lan},
journal= {arXiv preprint arXiv:2108.12863},
year = {2021}
}