論文：基于關鍵點的單目3D目標檢測
2020-09-09 15:06
學術頭條
關注
ResNet18 作為 backbone 的時候速度最快，精度已經(jīng)超過大多數(shù)甚至某些雙目方法，但仍弱于 M3D－RPN（目前不利用其它訓練數(shù)據(jù)最好的網(wǎng)絡），當采用 DLA－34 時速度仍然比別的方法快，而且精度超過 M3D－RPN。
消融實驗
對維度、方向、距離和關鍵點偏移四個可選項進行了消融實驗，四個可選項全部使用時得到了最高的準確率。
分析了關鍵點FPN的作用，
同時發(fā)現(xiàn) 3D 反向投影的 2D 結果要優(yōu)于直接對 2D 進行預測。
結論
本文提出了一種用于自動駕駛場景的單眼 3D 目標檢測方法。將 3D 檢測作為關鍵點檢測問題，并展示了如何通過使用關鍵點和幾何約束來恢復 3D 邊界框。本文提出的用于 3D 檢測的點檢測網(wǎng)絡，可以僅使用圖像輸出 3D 框的關鍵點和對象的其他先驗信息生成穩(wěn)定且準確的 3D 邊界框，而無需包含獨立網(wǎng)絡和增加額外標注數(shù)據(jù)，同時可實現(xiàn)實時運行速度。
分享
聲明：
本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權或其他問題，請聯(lián)系舉報。
請輸入評論內容...
請輸入評論/評論長度6~500個字
