利用交并比损失端到端训练的单目三维目标检测与框拟合
计算机视觉与模式识别
2019-06-21 v2 机器学习
机器人学
摘要
从单视图进行三维目标检测是一项具有挑战性的任务，若能达到良好精度，将是低成本移动机器人感知的重要赋能技术。此前的方法要么推理引擎过于复杂，要么检测精度不足。为解决这些问题，我们提出 SS3D，一种单阶段单目三维目标检测器。该框架包括（i）一个 CNN，输出图像中每个相关目标的冗余表示及相应不确定性估计，以及（ii）一个三维边界框优化器。我们展示了异方差不确定性的建模如何提升基线性能，并进一步展示如何通过优化器进行反向传播以端到端训练流水线从而获得额外精度。我们的方法在单目三维目标检测上达到 SOTA 精度，同时在直接实现下以 20 fps 运行。我们认为 SS3D 架构提供了一个坚实框架，可据此构建高性能检测系统，其主要应用为自动驾驶。
引用
@article{arxiv.1906.08070,
title = {Monocular 3D Object Detection and Box Fitting Trained End-to-End Using Intersection-over-Union Loss},
author = {Eskil Jörgensen and Christopher Zach and Fredrik Kahl},
journal= {arXiv preprint arXiv:1906.08070},
year = {2019}
}
备注
For associated videos file, see http://tinyurl.com/SS3D-YouTube ; without supplementary material