MLF-DET：用于跨模态3D目标检测的多级融合网络
计算机视觉与模式识别
2023-07-19 v1
摘要
本文中，我们提出一种新颖且高效的多级融合网络，命名为MLF-DET，用于高性能跨模态3D目标检测，其集成了特征级融合与决策级融合以充分利用图像中的信息。对于特征级融合，我们提出多尺度体素图像融合（MVI）模块，将多尺度体素特征与图像特征密集对齐。对于决策级融合，我们提出轻量的特征提示置信度修正（FCR）模块，进一步利用图像语义修正检测候选的置信度。此外，我们设计了一种有效的数据增强策略，称为遮挡感知真值采样（OGS），以在训练场景中保留更多采样物体，从而减少过拟合。在KITTI数据集上的大量实验证明了我们方法的有效性。值得注意的是，在竞争极为激烈的KITTI汽车3D目标检测基准上，我们的方法达到了82.89%的中等AP，并在无额外修饰的情况下取得了最先进的性能。
引用
@article{arxiv.2307.09155,
title = {MLF-DET: Multi-Level Fusion for Cross-Modal 3D Object Detection},
author = {Zewei Lin and Yanqing Shen and Sanping Zhou and Shitao Chen and Nanning Zheng},
journal= {arXiv preprint arXiv:2307.09155},
year = {2023}
}