NIV-SSD：基于点云的近邻 IoU 投票单阶段目标检测器
计算机视觉与模式识别
2024-01-24 v1
摘要
以往的单阶段检测器通常存在定位精度与分类置信度之间的错位问题。为解决此错位问题，我们引入了一种名为近邻 IoU 投票 (NIV) 策略的新型校正方法。通常，分类和回归被视为独立的分支，这使得在它们之间建立联系颇具挑战性。因此，分类置信度无法准确反映回归质量。NIV 策略可以通过从回归输出中计算两类统计数据来修正分类置信度，从而充当分类与回归分支之间的桥梁。此外，为缓解对具有密集点的完整物体（简单物体）和具有稀疏点的不完整物体（困难物体）检测精度的不平衡，我们提出了一种名为物体重采样的新数据增强方案。它通过将部分简单物体随机变换为困难物体，对简单物体进行欠采样，对困难物体进行过采样。最后，结合 NIV 策略和物体重采样增强，我们设计了一个高效的称为 NIV-SSD 的单阶段检测器。在多个数据集上的大量实验表明了 NIV 策略的有效性以及 NIV-SSD 检测器的竞争性能。代码将发布于 https://github.com/Say2L/NIV-SSD。
引用
@article{arxiv.2401.12447,
title = {NIV-SSD: Neighbor IoU-Voting Single-Stage Object Detector From Point Cloud},
author = {Shuai Liu and Di Wang and Quan Wang and Kai Huang},
journal= {arXiv preprint arXiv:2401.12447},
year = {2024}
}