基于自适应伪标签的半监督三维目标检测
计算机视觉与模式识别
2022-11-28 v1
摘要
三维目标检测是计算机视觉中的一项重要任务。大多数现有方法需要大量高质量的 3D 标注，而收集这些标注代价高昂。尤其对于室外场景，由于点云的稀疏性和城市场景的复杂性，该问题变得更加严峻。半监督学习是一种缓解数据标注问题的有前景的技术。受此启发，我们提出了一种基于伪标签的用于室外三维目标检测任务的新型半监督框架。我们设计了自适应类别置信度选择模块（ACCS）以生成高质量伪标签。此外，我们提出针对无标签数据的整体点云增强（HPCA）以提升鲁棒性。在 KITTI 基准上的实验证明了我们方法的有效性。
引用
@article{arxiv.2108.06649,
title = {Semi-supervised 3D Object Detection via Adaptive Pseudo-Labeling},
author = {Hongyi Xu and Fengqi Liu and Qianyu Zhou and Jinkun Hao and Zhijie Cao and Zhengyang Feng and Lizhuang Ma},
journal= {arXiv preprint arXiv:2108.06649},
year = {2022}
}
备注
Accepted at International Conference on Image Processing (ICIP 2021)