基于 nuScenes 数据集的结构感知与类别均衡三维目标检测
计算机视觉与模式识别
2022-10-04 v2
摘要
三维目标检测对自动驾驶至关重要。基于点云的方法因其准确的深度信息而在三维目标检测中日益流行。NuTonomy 的 nuScenes 数据集在规模、传感器模态、类别和标注数量上大大扩展了 KITTI 等常用数据集。然而，它存在严重的类别不平衡问题。Class-balanced Grouping and Sampling 一文解决了该问题并提出了增强与采样策略。但此模型的定位精度受到下采样特征图中空间信息丢失的影响。我们提出通过设计一个充分利用三维点云结构信息的辅助网络来增强 CBGS 模型的性能，以提高定位精度。该可分离辅助网络由前景分割与中心估计两种点级监督联合优化。由于该辅助网络在测试时可被分离，其不会在推理时引入任何额外计算。
引用
@article{arxiv.2205.12519,
title = {Structure Aware and Class Balanced 3D Object Detection on nuScenes Dataset},
author = {Sushruth Nagesh and Asfiya Baig and Savitha Srinivasan and Akshay Rangesh and Mohan Trivedi},
journal= {arXiv preprint arXiv:2205.12519},
year = {2022}
}