SS3D：单阶段三维目标检测器
计算机视觉与模式识别
2020-05-05 v2 机器学习
图像与视频处理
摘要
用于 2D 目标检测的单阶段深度学习算法因 Single Shot MultiBox Detector（SSD）而流行，并被大量采用于若干嵌入式应用中。PointPillars 是一种最先进的三维目标检测算法，它使用适配于 3D 目标检测的 Single Shot Detector。PointPillars 的主要缺点在于它采用两阶段方法，先基于全连接层学习输入表示，再接用于 3D 检测的 Single Shot Detector。本文提出 Single Shot 3D Object Detection（SS3D）——一种单阶段三维目标检测算法，它结合了直接的、统计计算的输入表示与 Single Shot Detector（基于 PointPillars）。计算输入表示是直接的，不涉及学习且计算代价不大。我们还将方法扩展到立体输入，并表明在额外语义分割输入的辅助下，我们的方法产生与最先进基于立体的检测器相似的精度。使用单阶段方法达到两阶段检测器的精度十分重要，因为单阶段方法在嵌入式实时应用中更易实现。在 LiDAR 与立体输入下，我们的方法均优于 PointPillars。使用 LiDAR 输入时，我们的输入表示能将中等类别 Cars 物体的 AP3D 从 74.99 提升至 76.84。使用立体输入时，我们的输入表示能将中等类别 Cars 物体的 AP3D 从 38.13 提升至 45.13。我们的结果也优于其他流行的 3D 目标检测器如 AVOD 和 F-PointNet。
引用
@article{arxiv.2004.14674,
title = {SS3D: Single Shot 3D Object Detector},
author = {Aniket Limaye and Manu Mathew and Soyeb Nagori and Pramod Kumar Swami and Debapriya Maji and Kumar Desappan},
journal= {arXiv preprint arXiv:2004.14674},
year = {2020}
}