基于解释的半监督3D目标检测：PatchTeacher与PillarMix
计算机视觉与模式识别
2024-07-16 v1
摘要
半监督学习旨在利用大量未标记数据提高模型性能。当前半监督3D目标检测方法通常使用教师模型为学生生成伪标签，伪标签的质量对最终性能至关重要。本文提出了PatchTeacher，专注于部分场景3D目标检测，为学生提供高质量的伪标签。具体而言，我们将完整场景划分为一系列补丁，依次输入我们的PatchTeacher。PatchTeacher利用部分场景检测的低内存消耗优势处理高分辨率体素化的点云，这可以最小化量化信息损失并提取更细粒度的特征。然而，在场景的片段上训练检测器并非易事。因此，我们引入三个关键技术，即Patch Normalizer、Quadrant Align和Fovea Selection，以提高PatchTeacher的性能。此外，我们设计了PillarMix，这是一种强大的数据增强策略，通过混合来自不同LiDAR扫描的被截断柱体来生成多样化的训练样本，从而帮助模型学习更通用的表征。在Waymo和ONCE数据集上进行的大量实验验证了我们方法的有效性和优越性，我们实现了新的SOTA结果，显著超越了现有方法。代码可在https://github.com/LittlePey/PTPM获取。
引用
@article{arxiv.2407.09787,
title = {Semi-supervised 3D Object Detection with PatchTeacher and PillarMix},
author = {Xiaopei Wu and Liang Peng and Liang Xie and Yuenan Hou and Binbin Lin and Xiaoshui Huang and Haifeng Liu and Deng Cai and Wanli Ouyang},
journal= {arXiv preprint arXiv:2407.09787},
year = {2024}
}
备注
Accepted by AAAI 2024