雷达引导的动态视觉注意力用于资源高效RGB目标检测
计算机视觉与模式识别
2022-10-10 v1 人工智能
摘要
自主系统的感知引擎必须提供准确的环境理解以进行决策。基于深度学习的目标检测网络由于物体特征图在网络高层中缩减，对于小而远物体的性能与鲁棒性会下降。本工作中，我们提出一种新颖的雷达引导RGB图像空间注意力，以改善动态环境中自主车辆的感知质量。具体而言，我们的方法改善了小物体与远距离物体的感知，这些物体在RGB模式下常未被检测器检测到。所提方法包含两个RGB目标检测器，即主检测器和轻量级次级检测器。主检测器接收完整RGB图像并生成主检测结果。接着，雷达提议框架通过将雷达点云投影到2D RGB图像上为物体提议创建感兴趣区域（ROIs）。这些ROI被裁剪并送入次级检测器以生成次级检测结果，随后通过非极大抑制与主检测结果融合。该方法通过增大感受野保留物体空间特征，有助于恢复小物体。我们在具挑战性的nuScenes数据集上评估了融合方法，结果表明以SSD-lite为主和次级检测器的融合方法相较基线主yolov3检测器将召回率提升了14%，同时所需计算资源减少三倍。
引用
@article{arxiv.2206.01772,
title = {Radar Guided Dynamic Visual Attention for Resource-Efficient RGB Object Detection},
author = {Hemant Kumawat and Saibal Mukhopadhyay},
journal= {arXiv preprint arXiv:2206.01772},
year = {2022}
}
备注
Accepted in International Joint Conference on Neural Networks (IJCNN) 2022