J.Wang_China-CSDN博客

原创【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一核心思想为了降低内存和计算成本，现有的基于point的pipeline通常采用随机采样或FPS采样来逐步下采样输入点云，尽管并非所有的点对目标检测任务都同等重要。特别是，前景点在本质上比背景点对目标探测器更重要。基于此，本文提出了一种高效的single-stagepoint-based 3Ddetec..

2022-05-17 21:02:13 1057

原创【3D 目标检测】Structure Aware Single-stage 3D Object Detection from Point Cloud

一核心思想本文的核心思想是使用一个辅助的分支帮助主干网络进行训练；除此之外，本文还提出PSWarp的架构，将预测的BBox和Cls进行联立，具体的Motivation见下述。不过本人认为该辅助分支与PVRCNN网络架构中的VoxelSetAbstractionModule非常相似，都是将Voxel的features映射到samplepoint中，然后concatenate一下得出samplepoint的特征。将samplepoint的特征输入到另一个detector中，得到fore...

2021-12-19 21:33:32 577

原创【3D 目标检测】M3DETR

M3DETR:Multi representation, Multi scale, Mutual relation 3D Object Detection with Transformers一核心思路本文的主要思想在于将point-feature、voxel-feature、bird-eyeview通过一系列的transformer得到RoI-Align需要用到的refine特征。是anchor-based的方法。transformer利用multi-headattention来减少不...

2021-11-22 21:49:16 2654 2

原创【3D 目标检测】Voxel Transformer for 3D Object Detection

一核心思想本文主要是在3Dbackbone上用到了改进的transformer方法，以便更好的提取特征。也就是在sparsevoxelmodule和submanifoldvoxelmodule的基础上使用transformer进行特征的提取。提出两种attention的机制，分别为LocalAttention和 DilatedAttention。之后通过Fast VoxelQuery的方法加速queryingprocess的进程（这里之后会详细叙述。）。VoTr包含一系列的...

2021-10-23 22:27:14 2406 5

原创【2D 目标检测】CornerNet: Detecting Objects as Paired Keypoints

一核心思想本篇文章提出非常新颖的检测方法，不同于以往的anchor-based的方法，CornerNet是基于一对关键点进行物体的检测的(文中讲的为2D检测方法，因此检测的为左上角和右下角两个点。)。除此之外，本文还提出cornerpooling层，以便更好提取特征。具体算法步骤如下图所示：二核心步骤如上图所示，本文的创新点是提出使用一对关键点(也就是相对应的top-leftheatmap和bottom-rightheatmap)来检测出boundingbox，而不是...

2021-10-10 21:20:07 793

原创【3D 目标检测】TANet: Robust 3D Object Detection from Point Clouds with Triple Attention

一核心思想本文提出的TANet方法，在pedestrain上表现很好。主要应用tripleattention方法，对目标的特征进行权重的调整。网络主要分为两个框架，一个是TripleAttention框架和Coarse-to-FineRegression框架。1、Triple Attention。结合channel-wise注意力、point-wise注意力和voxel-wise注意力来增强目标的关键信息，并抑制不稳定的点。其中channel-wise注意力用于判断每个voxel中哪些cha...

2021-10-10 21:01:38 1426

原创【3D 目标检测】AFDet V2：1st Place Solutions to the Real-time 3D Detection and the Most Effificient Model

一核心思路AFDetV2承接AFDet的一大续作，是Waymo2021的冠军。与V1版本不同的地方主要在于：精简的3Dfeatureextractor、一种improvedRPN、新增的两个detecthead(分别为IoU-awareconfidencescoreprediction和Keypointsauxiliarysupervision)。具体算法流程见下图所示:所有的步骤分为:pointCloudVoxelization、3DFeatureExtractor...

2021-10-10 20:49:33 1290 2

原创【3D 目标检测】AFDet: Anchor Free One Stage 3D Object Detection

一核心思路本文也是在Waymo上的2020年排名第一的方法，是One-stage的3D detection的方法。主要是将point cloud映射到voxel的网格中，文章用到的映射方法为PointPillar，然后通过5个head分别预测物体不同的特征，最后进行回归预测得出最终的预测结果。总体思路见下图所示:二核心步骤作者将本文的算法框架分为三个方面:point cloud encoder、backbone and necks和anchor free detector。2.1 P

2021-09-29 16:25:33 951

原创【3D 目标检测】PV-RCNN++

一核心思路在开始本博客的阅读时，需先对PVRCNN进行大体的了解，也就见我的另一篇博客【3D 目标检测】PVRCNN详解(个人阅读心得并总结其他人的结论得出的文章)_qq_36380978的博客-CSDN博客这篇文章是在PVRCNN的基础上进行改进的。主要是为了提升效率，降低运算成本。主要的创新点在于提出了sectorized proposal-centric key point sampling strategy和VectorPool。第一个创新是为代替在PVRCNN上的Keypoints

2021-09-17 16:04:25 1670

原创【3D 目标检测】3DSSD: Point-based 3D Single Stage Object Detector

一核心思路本篇通过观察point-based目标检测方法中，在PointNet++的上采样层(FP层)和refinement Module上面耗费了大量时间，因此作者借此提出了one-stage的3D目标检测网络结构。创新点是提出了F-FPS的采样算法、Candidate Generation Layer、anchor-free regression head以及3D center-ness assignment strategy。F-FPS算法主要是为了增加采样的质量，采样出更多前景点；Candia

2021-09-14 20:47:33 1121

qq_36380978的博客