PointPillars 模型下 Dropout 的研究：基于 3D 对象检测
计算机视觉与模式识别
2024-09-04 v1 机器学习
摘要
3D 对象检测是自动驾驶领域的关键技术，利用深度学习方法来解释 LiDAR 数据。PointPillars 架构是该领域的一个突出模型，尤其擅长高效利用 LiDAR 数据。本研究对在不同 dropout 比率下增强 PointPillars 模型性能进行分析，以解决过拟合问题并提高模型的泛化能力。Dropout 作为一种正则化技术，通过在训练过程中随机丢弃神经元，迫使网络学习稳健且多样化的特征。我们系统比较了不同增强技术对模型回归性能及其准确性（以平均精度 AP 和平均方向相似度 AOS 测量）的影响。我们的发现为寻找最佳增强方案提供了洞见，促进了自动驾驶应用中 3D 对象检测的改进。
引用
@article{arxiv.2409.00673,
title = {Study of Dropout in PointPillars with 3D Object Detection},
author = {Xiaoxiang Sun and Geoffrey Fox},
journal= {arXiv preprint arXiv:2409.00673},
year = {2024}
}