面向点云三维目标检测的部位感知数据增强
计算机视觉与模式识别
2021-07-13 v2
摘要
数据增强极大促进了图像识别任务性能的提升，且已开展了大量相关研究。然而，针对三维点云数据的数据增强尚未得到充分探索。三维标签比二维标签具有更精细且丰富的结构信息，因此能够实现更多样且有效的数据增强。本文中，我们提出部位感知数据增强(PA-AUG)，可更好地利用三维标签的丰富信息来提升三维目标检测器的性能。PA-AUG将物体划分为若干分区，并对每个局部区域随机应用五种增强方法。它与现有的点云数据增强方法兼容，且可普遍用于各种检测器架构而不受限。PA-AUG提升了KITTI数据集所有类别的最先进三维目标检测器性能，并等效于将训练数据量增加约2.5。我们还表明PA-AUG不仅提升给定数据集上的性能，而且对 corrupted data 具有鲁棒性。代码见 https://github.com/sky77764/pa-aug.pytorch
引用
@article{arxiv.2007.13373,
title = {Part-Aware Data Augmentation for 3D Object Detection in Point Cloud},
author = {Jaeseok Choi and Yeji Song and Nojun Kwak},
journal= {arXiv preprint arXiv:2007.13373},
year = {2021}
}
备注
This paper has been accepted by IROS 2021