TANet++：基于滤波点云的三重注意力网络用于三维检测
计算机视觉与模式识别
2021-07-02 v2
摘要
TANet 是 KITTI 和 JRDB 基准上最先进的二维/三维物体检测方法之一，该网络包含三重注意力模块和由粗到细回归模块，以提升三维检测的鲁棒性与精度。然而，由于原始输入数据（点云）在采集过程中包含大量噪声，会进一步影响模型的训练。例如，当物体距离机器人较远时，传感器难以获取足够的点云。若物体仅包含少量点云，且这些样本在训练时与正常样本一同送入模型，检测器将难以区分少量点云的个体属于物体还是背景。本文提出 TANet++ 以提升三维检测性能，其对 TANet 采用了一种新颖的训练策略。为减少弱样本带来的负面影响，该训练策略先对训练数据进行滤波，随后用剩余数据训练 TANet++。实验结果表明，在 JRDB 基准上 TANet++ 的 AP 分数比 TANet 高出 8.98。
引用
@article{arxiv.2106.15366,
title = {TANet++: Triple Attention Network with Filtered Pointcloud on 3D Detection},
author = {Cong Ma},
journal= {arXiv preprint arXiv:2106.15366},
year = {2021}
}
备注
3pages, 2 figures