面向点云三维目标检测的 PointPillars 网络优化
计算机视觉与模式识别
2021-03-30 v1 图像与视频处理
信号处理
摘要
本文介绍了我们在优化用于点云中三维目标检测的深度神经网络方面的研究。使用了 Brevitas 和 PyTorch 工具中可用的量化和剪枝等技术。我们针对 PointPillars 网络进行了实验，该网络在检测精度与计算复杂度之间提供了合理的折衷。本工作的目的是提出一种网络变体，最终将在 FPGA 器件中实现。这将允许以低能耗实时处理 LiDAR 数据。所得结果表明，即使将算法主要部分从 32 位浮点数量化到 2 位整型这一显著量化，也仅导致检测精度下降 5%–9%，同时使模型大小缩减近 16 倍。
引用
@article{arxiv.2007.00493,
title = {Optimisation of the PointPillars network for 3D object detection in point clouds},
author = {Joanna Stanisz and Konrad Lis and Tomasz Kryjak and Marek Gorgon},
journal= {arXiv preprint arXiv:2007.00493},
year = {2021}
}
备注
7 pages, 2 figures, submitted to SPA 2020 conference