实现3D目标检测的稳定性
计算机视觉与模式识别
2024-07-08 v1
摘要
在自动驾驶领域，3D目标检测的时序稳定性对驾驶安全性具有重大影响。然而，现有的评估指标如mAP和MOTA无法衡量检测的稳定性，因此社区对此问题关注不足。为弥合这一差距，本文提出了稳定性指数（Stability Index, SI），作为一种全面评估3D检测器在置信度、框位置、尺度和航向方面稳定性的新指标。通过在Waymo开放数据集上对比评估最新目标检测器，SI揭示了其他指标尚未发现的有趣的目标稳定性特性。为帮助模型提升稳定性，我们进一步引入一种通用且有效的训练策略，称为预测一致性学习（Prediction Consistency Learning, PCL）。PCL本质上鼓励同一对象在不同时间戳和增强处理下的预测一致性，从而提升检测稳定性。我们还在广泛使用的CenterPoint上检验了PCL的有效性，实现了车辆类别的SI达到86.00，显著超过基线5.48。我们希望本工作能作为可靠的基线，引起社区对3D目标检测中这一关键问题的关注。代码将公开发布。
关键词
引用
@article{arxiv.2407.04305,
title = {Towards Stable 3D Object Detection},
author = {Jiabao Wang and Qiang Meng and Guochao Liu and Liujiang Yan and Ke Wang and Ming-Ming Cheng and Qibin Hou},
journal= {arXiv preprint arXiv:2407.04305},
year = {2024}
}