【论文阅读】【3d目标检测】TANet: Robust 3D Object Detection from Point Clouds with Triple Attention

论文题目：TANet: Robust 3D Object Detection from Point Clouds with Triple Attention

代码开源出来的 可以放心使用！
文章在kitti上做的实验，发现对于小目标的检测效果很好 作者也做了一些噪声的实验 主要是在物体上加噪声，以此来证明网络的鲁棒性。这是文章的两个出发点。

这是怎么做的呢？
主要是作者认为考虑点级别、channel级别和voxel级别的检测器，对于小物体的效果是好的。因为这些小物体本身上面的点云就很小，如果和大物体例如车辆一样，对他们上面的点云一视同仁形成一个个voxel来进行检测，那效果肯定是不如车辆的检测效果的。

老规矩 上图：

文章让我耳目一新的主要是TA module。后面的回归模块实际上没啥可说的。
我们先来看看TA module：
首先对于点云进行voxel处理，注意 这里只是将点云划分到了每一个格子中，没有对他们进行其他的操作。假设每个voxel中的最大点云数是N，总共有K个voxel，每个点云的feature维度为C，经过这一步我们得到的是一个KNC的矩阵。PS：作者这里进行的voxel实际上是进行pillar化，所以在Z维度上只有一个voxel。

point-wise feature
随后我们对每个voxel内点云进行一个attention操作。对于某一个voxelVk，我们对于channel维度进行max处理 得到Ek（N1），送进linear层将Ek转化为r维度的向量，进行relu激活后再送进linear层 将维度调整回原来的N，这里我们得到Sk，维度为N1，这里代表的是voxel内每一个point的空间关联性。它们的值便对应了每一个point的重要性。

Channel-wise feature
同样的操作，对于每一个voxel，我们对于点云数目维度N进行max操作，得到C维度的向量，后面操作同point维度。最后得到的是一个Tk（维度为1*C)

我们将上面两个矩阵相乘后送入sigmoid函数中，得到voxel内 每个点 每个channel的权重值，它的维度和点云维度一致（N*C）

把这个矩阵与点云进行相乘 得到加权后的point cloud。

voxel-wise feature
这个便有些全局attention的意思了，对于我们上面得到的KNC矩阵 concat上每一个voxel的中心 我们max操作在N和C 得到每一个voxel的权重值：K11，这个值与每一个voxel内的point相乘 便是有全局意识的voxel-point了。

对于这个模块得到的点N*C，我们再concat上原点云，叠加两个模块后进行linear voxel-max操作 得到voxel化的feature。
将这个feature map输入到后面的回归模块：

实在没啥好讲的 也很粗略 就是把回归模块分成了两个分支 一个负责coarse regression 这个和pointpillar等网络的操作是一致的。
另一个就是对于FPN的不同scale的feature进行一个特征融合 融合手段就是下采样或者上采样到同样的维度后进行拼接。

实验做了对于噪声的鲁棒性测试：

对于小目标的检测还是很耀眼的
ablation：

我的思考：

文章不算惊艳，不过一些思想是可以借鉴的：
对于小目标的检测 我们就是需要一些细化的feature 而这些细化的feature往往是点给予的。
其次 2d卷积确实是不如transformer和3d卷积的 哪怕它很快！因为对于感受野扩大 全局feature的提取 都是困难的。
但是它快啊！