基于条带注意力的轻量级点云3D目标检测：StripDet
计算机视觉与模式识别
2025-09-09 v1
摘要
高精度3D目标检测模型从点云部署是一个由于其巨大的计算和内存需求而面临的重大挑战。为此，我们引入StripDet，这是一个专为设备效率而设计的新型轻量级框架。首先，我们提出一种新颖的条带注意力模块（Strip Attention Block, SAB），这是一种高效的模块，用于捕获长程空间依赖。通过将标准2D卷积分解为非对称条带卷积，SAB高效地提取方向性特征，同时将计算复杂度从二次降低到线性。其次，我们设计了一种硬件友好的层次化主干网络，将SAB与深度可分离卷积和简单的多尺度融合策略相集成，实现端到端的效率。在KITTI数据集上的广泛实验验证了StripDet的优越性。我们的模型仅需0.65M参数，即可实现对车辆检测达到79.97%的mAP，超越了基线PointPillars，实现了7倍的参数降低。此外，StripDet在最新轻量级和知识蒸馏-based 方法中表现出色，在准确性与效率之间实现了卓越的权衡，确立了其在边缘设备上进行实际3D检测的实用解决方案。
引用
@article{arxiv.2509.05954,
title = {StripDet: Strip Attention-Based Lightweight 3D Object Detection from Point Cloud},
author = {Weichao Wang and Wendong Mao and Zhongfeng Wang},
journal= {arXiv preprint arXiv:2509.05954},
year = {2025}
}