基于 LiDAR 的 3D 目标检测的分布外检测
计算机视觉与模式识别
2022-09-30 v1 人工智能
机器学习
机器人学
图像与视频处理
摘要
3D 目标检测是自动驾驶的重要组成部分,深度神经网络(DNNs)在该任务上取得了最先进的性能。然而,深度模型 notorious 地对分布外(OOD)输入——即非训练分布采样的输入——赋予高置信度分数。检测 OOD 输入具有挑战性且对模型的安全部署至关重要。OOD 检测在分类任务中已被广泛研究,但在目标检测任务特别是基于 LiDAR 的 3D 目标检测中未受足够关注。本文中,我们聚焦于基于 LiDAR 的 3D 目标检测的 OOD 输入检测。我们阐明了 OOD 输入对目标检测的含义,并提议将若干 OOD 检测方法适配于目标检测。我们通过提出的特征提取方法实现这一点。为评估 OOD 检测方法,我们开发了一种简单而有效的为给定目标检测模型生成 OOD 物体的技术。基于 KITTI 数据集的评估表明,不同 OOD 检测方法对特定 OOD 物体存在检测偏向。这强调了结合 OOD 检测方法以及在该方向进一步研究的重要性。
引用
@article{arxiv.2209.14435,
title = {Out-of-Distribution Detection for LiDAR-based 3D Object Detection},
author = {Chengjie Huang and Van Duong Nguyen and Vahdat Abdelzad and Christopher Gus Mannes and Luke Rowe and Benjamin Therien and Rick Salay and Krzysztof Czarnecki},
journal= {arXiv preprint arXiv:2209.14435},
year = {2022}
}
备注
Accepted at ITSC 2022