结构信息是关键：三维目标检测中的自注意力 RoI 特征提取器
计算机视觉与模式识别
2021-11-16 v2
摘要
与所有 RoI 特征均来自网格像素的二维目标检测不同，三维点云目标检测的 RoI 特征提取更具多样性。本文首先对比并分析了两种最先进模型 PV-RCNN 与 Voxel-RCNN 在结构与性能上的差异。接着，我们发现两模型间的性能差距并非来自点信息，而是结构信息。体素特征包含更多的结构信息，因为其是对点云进行量化而非下采样，从而能基本包含整个点云的完整信息。即便体素特征不具备精确的位置信息，其中更强的结构信息仍使检测器在我们的实验中具有更高性能。进而，我们提出结构信息是三维目标检测的关键。基于上述结论，我们提出自注意力 RoI 特征提取器（SARFE）以增强从三维候选框提取的特征中的结构信息。SARFE 是一个即插即用模块，可轻松用于现有三维检测器。我们的 SARFE 在 KITTI 数据集与 Waymo Open 数据集上进行了评估。借助新引入的 SARFE，我们在 KITTI 数据集上以大幅优势提升了最先进三维检测器在 cyclist 上的性能，同时保持实时能力。
引用
@article{arxiv.2111.00931,
title = {Structure Information is the Key: Self-Attention RoI Feature Extractor in 3D Object Detection},
author = {Diankun Zhang and Zhijie Zheng and Xueting Bi and Xiaojun Liu},
journal= {arXiv preprint arXiv:2111.00931},
year = {2021}
}