论文阅读：Deep Fitting Degree Scoring Network for Monocular 3D Object Detection

Deep Fitting Degree Scoring Network for Monocular 3D Object Detection

一种用于单目三维目标检测的深度拟合度评分网络

这篇文章看下来，怎么说呢，emmmmm，我发现自己好像看错了，因为这是基于单目的3D目标检测，网络的输入只有二维图片，是的，你没看错，只有一张图片就能得出物体的3D bounding box，这好像不是我研究的方向呀⊙﹏⊙b汗~不过既然看了，就大致的总结一下吧。

个人的一些理解：

文章中，作者建议学习一种用于单目三维物体检测的深度拟合度评分网络，旨在最终对提案和对象之间的评分程度进行评分。与大多数使用严格约束来获得3D定位的单目框架不同，其方法通过测量投影的3D选框和对象之间的视觉拟合程度来实现高精度定位。首先使用基于锚的方法回归对象的尺寸和方向，以便可以构建合适的3D选框。作者提出了FQNet，它可以仅基于2D线索推断3D选框和对象之间的3D IoU。因此，在检测过程中，在3D空间中对大量候选框进行采样，并将这些3D bounding box单独投影到2D图像上。通过简单地以FQNet的输出3D IoU得分的形式探索提案和对象之间的空间重叠，可以挑选出最佳候选者。

说白了，就是先通过2D object detection得出2D bounding box，然后根据2D bounding box 通过一个回归模块，回归出尺寸和方向。再根据尺寸和方向，通过一个自研网络FQNet，得出位置信