基于LiDAR的3D目标检测中的数据增强量化
计算机视觉与模式识别
2022-08-01 v2 机器学习
图像与视频处理
摘要
在这项工作中，我们阐明了基于光探测和测距的3D目标检测中常用的不同数据增强技术。在我们的大部分实验中，我们使用了著名的PointPillars流程和成熟的KITTI数据集。我们研究了各种全局和局部增强技术，其中全局增强技术应用于场景的整个点云，而局部增强技术仅应用于场景中属于单个对象的点。我们的发现表明，两种类型的数据增强都可以带来性能提升，但结果也表明，某些增强技术（例如，单个对象平移）可能适得其反，并会损害整体性能。我们证明这些发现可以很好地迁移并泛化到其他state of the art 3D目标检测方法和具有挑战性的STF数据集。在KITTI数据集上，我们在moderate car类别的3D mAP上最高可获得1.5%的提升；在STF数据集上最高可获得1.7%的提升。
引用
@article{arxiv.2004.01643,
title = {Quantifying Data Augmentation for LiDAR based 3D Object Detection},
author = {Martin Hahner and Dengxin Dai and Alexander Liniger and Luc Van Gool},
journal= {arXiv preprint arXiv:2004.01643},
year = {2022}
}
备注
2022 Update