重新思考用于三维目标检测的体素化与分类
计算机视觉与模式识别
2023-01-11 v1 人工智能
摘要
从LiDAR点云进行三维目标检测的主要挑战是在不影响网络可靠性的前提下实现实时性能。换言之，检测网络必须对其预测有足够置信度。在本文中，我们提出一种解决方案，通过实现一种快速动态体素化器同时提升网络推理速度与精度，该体素化器以与基于体素的模型上体素化器相同的方式作用于快速的基于柱的模型。此外，我们提出一种轻量检测子头模型用于分类预测目标并滤除误检目标，以可忽略的时间与计算成本显著提升了模型精度。所开发代码公开于：https://github.com/YoushaaMurhij/RVCDet。
引用
@article{arxiv.2301.04058,
title = {Rethinking Voxelization and Classification for 3D Object Detection},
author = {Youshaa Murhij and Alexander Golodkov and Dmitry Yudin},
journal= {arXiv preprint arXiv:2301.04058},
year = {2023}
}
备注
Accepted in ICONIP 2022. arXiv admin note: text overlap with arXiv:1902.06326 by other authors