论文解读

本文基于point_base的方法实现了高效的3D检测器IA-SSD，作者认为，使用传统的FPS方法会丢失大量前景点，导致检测recall下降，因此更加关注前景点。

网络主体结构如上图所示，该网络首先使用了类似PointNet++中SA模块来进行下采样，并分析了RS,D-FPS,Feat-FPS之间的性能和效率。结果显示，RS丢失了大量前景点，导致recall明显降低，而D-FPS和Feat-FPS在前几层中保持了较高的recall，但在最后的Centroid Aggregation中性能不佳。因此作者提出了Cls-aware和Ctr-aware这两种采样策略。
Cls-aware利用原始标注框生成语义标签进行监督，并使用普通的Cross-Entropy计算损失。其式如下：

Ctr-aware计算了各点到检测框六个面的距离，用来表示该点和框实例中心的距离，距离越小，权重越高。

其中f*、b*、l*、r*、u*、d*分别表示该点到检测框前、后、左、右、上、下的距离。在训练过程中，掩码根据空间位置不同，为每个点分配不同权值，从而将几何先验隐式地纳入到网络训练中。特别地，加权交叉熵损失计算如下:

掩模与前景点的损失项相乘，使靠近中心的点具有更高的概率。推理过程保留得分最高的K个点。

四种方法实际效果对比如下图所示，可以看到所提出方法在高效的同时保持了良好的recall。

模型在2080TI上的FPS达到了83，速度非常快，却内存占比很小。

在车辆和非机动车的检测中取得了不错的效果，行人的效果不理想。

文章现在前两层使用了D-FPS，后两层使用了Ctr-aware。

Not All Points Are Equal: Learning Highly Efficient Point-based Detectors for 3D LiDAR Point Clouds相关推荐

【3D 目标检测】Not All Points Are Equal Learning Highly Efficient Point-based Detectors for 3D LiDAR Point
Not All Points Are Equal Learning Highly Efficient Point-based Detectors for 3D LiDAR Point Cloud 一 ...
机器学习论文：《LightGBM: A Highly Efficient Gradient Boosting Decision Tree》
翻译自<LightGBM: A Highly Efficient Gradient Boosting Decision Tree> 摘要 Gradient Boosting Decisio ...
Design and Implementation of a Highly Efficient DGEMM for 64-bit ARMv8 Multi-Core Processors
Design and Implementation of a Highly Efficient DGEMM for 64-bit ARMv8 Multi-Core Processors 针对64位 A ...
Lightgbm源论文解析：LightGBM: A Highly Efficient Gradient Boosting Decision Tree
写这篇博客的原因是,网上很多关于Lightgbm的讲解都是从Lightgbm的官方文档来的,官方文档只会告诉你怎么用,很多细节都没讲.所以自己翻过来Lightgbm的源论文:LightGBM: A H ...
《LightGBM: A Highly Efficient Gradient Boosting Decision Tree》论文笔记
1 简介本文根据2017年microsoft研究所等人写的论文<LightGBM: A Highly Efficient Gradient Boosting Decision Tree> ...
Highly Efficient Natural Image Matting
Highly Efficient Natural Image Matting 文章可用(可尝试)创新点使用OCBlock代替传统卷积 ENA结构(非局部注意.长短注意操作) 提出问题: 使用深度学习 ...
『论文阅读』LightGBM原理-LightGBM: A Highly Efficient Gradient Boosting Decision Tree
17年8月LightGBM就开源了,那时候就开始尝试上手,不过更多还是在调参层面,在作者12月论文发表之后看了却一直没有总结,这几天想着一定要翻译下,自己也梳理下GBDT相关的算法. Abstract ...
LightGBM: A Highly Efficient Gradient Boosting Decision Tree
论文杂记图像检索--联合加权聚合深度卷积特征的图像检索方法主目录下一篇文章结构 lightgbm原理 [前言] LightGBM: A Highly Efficient Gradient Bo ...
CVPR2022——Not All Points Are Equal : IA-SSD
IA-SSD Not All Points Are Equal:IA-SSD Motivation Contribution Keyknowledge Instance-aware Downsampl ...

Not All Points Are Equal: Learning Highly Efficient Point-based Detectors for 3D LiDAR Point Clouds

每日论文--CVPR2022目标检测

论文解读

Not All Points Are Equal: Learning Highly Efficient Point-based Detectors for 3D LiDAR Point Clouds相关推荐

最新文章

热门文章