SDOD：基于深度的实时三维物体分割与检测
计算机视觉与模式识别
2020-10-27 v3
摘要
大多数现有的实例分割方法仅关注性能提升，并不适用于自动驾驶等实时场景。本文提出一种基于深度进行三维物体分割与检测的实时框架。该框架由两条并行分支组成：一条用于实例分割，另一条用于物体检测。我们将物体的深度离散化为深度类别，并将实例分割任务转化为像素级分类任务。Mask分支预测像素级深度类别，3D分支指示实例级深度类别。我们通过将具有相同深度类别的像素分配给每个实例来生成实例掩码。此外，为解决KITTI数据集中掩码标签与3D标签的不平衡问题，我们引入由自动标注模型生成的粗掩码以增加样本。在具有挑战性的KITTI数据集上的实验表明，我们的方法在分割与3D检测速度上约为LklNet的1.8倍。
引用
@article{arxiv.2001.09425,
title = {SDOD:Real-time Segmenting and Detecting 3D Object by Depth},
author = {Shengjie Li and Caiyi Xu and Jianping Xing and Yafei Ning and Yonghong Chen},
journal= {arXiv preprint arXiv:2001.09425},
year = {2020}
}