MMLF：用于带不确定性估计的对象检测的多模态多类晚期融合
计算机视觉与模式识别
2024-10-14 v1 系统与控制
系统与控制
摘要
自动驾驶需要集成来自多种模态信息的先进目标检测技术，以克服单模态方法的局限性。早期融合带来的数据对齐挑战以及深层融合引入的过拟合问题，凸显了在决策层使用晚期融合的有效性。晚期融合确保无需修改原始检测器的网络结构即可实现无缝集成。本文引入一种首创性的多模态多类晚期融合方法，旨在实现晚期融合以实现多类检测。在 KITTI 验证和官方测试数据集上的融合实验显示出显著的性能提升，使本模型成为自动驾驶中多模态目标检测的通用解决方案。此外，我们的方法将不确定性分析融入分类融合过程中，使模型更具透明度和可信度，为类别预测提供更可靠的见解。
引用
@article{arxiv.2410.08739,
title = {MMLF: Multi-modal Multi-class Late Fusion for Object Detection with Uncertainty Estimation},
author = {Qihang Yang and Yang Zhao and Hong Cheng},
journal= {arXiv preprint arXiv:2410.08739},
year = {2024}
}