基于时序图神经网络的半监督三维目标检测
计算机视觉与模式识别
2023-03-08 v3 人工智能
摘要
三维目标检测在自动驾驶及其他机器人应用中起着重要作用。然而，这些检测器通常需要在大量标注数据上训练，而此类数据收集昂贵且耗时。相反，我们提出通过时序图神经网络对三维目标检测器进行半监督学习，以利用大量无标注点云视频。我们的核心思路是：时序平滑可在无标注数据上产生更精确的检测结果，而这些平滑后的检测可用于重新训练检测器。我们通过图神经网络学习执行该时序推理，其中边表示不同时间帧中候选检测之间的关系。在半监督学习后，与在相同数量标注数据上训练的基线相比，我们的方法在具有挑战性的 nuScenes 与 H3D 基准上取得了最先进的检测性能。项目与代码发布于 https://www.jianrenw.com/SOD-TGNN/。
引用
@article{arxiv.2202.00182,
title = {Semi-supervised 3D Object Detection via Temporal Graph Neural Networks},
author = {Jianren Wang and Haiming Gang and Siddharth Ancha and Yi-Ting Chen and David Held},
journal= {arXiv preprint arXiv:2202.00182},
year = {2023}
}
备注
3DV 2021