TANet：基于三重注意力从点云进行鲁棒三维目标检测
计算机视觉与模式识别
2019-12-12 v1
摘要
本文中，我们致力于探索点云三维目标检测的鲁棒性，这在现有方法中鲜有讨论。我们观察到两个关键现象：1）困难目标（如行人）的检测精度不尽如人意；2）当加入额外噪声点时，现有方法的性能迅速下降。为缓解这些问题，本文提出一种新颖的 TANet，其主要包含三重注意力（TA）模块和由粗到细回归（CFR）模块。通过联合考虑通道-wise、点-wise 和体素-wise 注意力，TA 模块增强了目标的关键信息，同时抑制了不稳定的云点。此外，新颖的堆叠 TA 进一步挖掘了多级特征注意力。另外，CFR 模块在不引入过多计算成本的情况下提升了定位精度。在 KITTI 数据集验证集上的实验结果表明，在具有挑战性的噪声情形（即对每个目标周围添加额外随机噪声点）下，所提方法远超最先进的方法。此外，对于 KITTI 基准的三维目标检测任务，我们的方法在以点云为唯一输入的情况下在行人类别上排名第一。运行速度约为每秒 29 帧。
引用
@article{arxiv.1912.05163,
title = {TANet: Robust 3D Object Detection from Point Clouds with Triple Attention},
author = {Zhe Liu and Xin Zhao and Tengteng Huang and Ruolan Hu and Yu Zhou and Xiang Bai},
journal= {arXiv preprint arXiv:1912.05163},
year = {2019}
}
备注
AAAI 2020(Oral)