TrajSSL：基于轨迹的半监督3D目标检测
计算机视觉与模式识别
2024-09-18 v1
摘要
半监督3D目标检测是一种常用策略，用于规避手动标注大规模自动驾驶感知数据集的困难。伪标签方法采用教师-学生框架，将大量无标签数据集上的机器生成伪标签与小规模人工标注数据集结合进行训练。本文通过利用驾驶场景中捕获的长期时间信息来提升伪标签质量。具体而言，我们利用预训练的运动预测模型在伪标注数据上生成物体轨迹，以进一步增强学生模型的训练。我们的做法以两种不同方式提升伪标签质量：首先，通过在多帧运动预测输出之间建立一致性来抑制误报伪标签；其次，通过直接将预测的物体轨迹插入伪标注场景以弥补漏报检测。在nuScenes数据集上的实验表明，我们方法的有效性，提升了标准半监督方法在各种设置下的性能。
引用
@article{arxiv.2409.10901,
title = {TrajSSL: Trajectory-Enhanced Semi-Supervised 3D Object Detection},
author = {Philip Jacobson and Yichen Xie and Mingyu Ding and Chenfeng Xu and Masayoshi Tomizuka and Wei Zhan and Ming C. Wu},
journal= {arXiv preprint arXiv:2409.10901},
year = {2024}
}