【三维目标检测】Second 模型 （一）

本文为博主原创文章，未经博主允许不得转载。
本文为专栏《python三维点云从基础到深度学习》系列文章，地址为“https://blog.csdn.net/suiyingy/article/details/124017716”。

        Second算法是一种基于三维点云的目标检测算法。Second算法采用了几乎与Voxelnet三维目标检测算法完全一致的设计思路，主要差异表现在将Voxelnet CML（Convolutional Middle Layer）卷积提取特征层改为采用三维稀疏卷积进行特征提取。因此，在理解Second算法之前，推荐先看一遍voxelnet算法，详细介绍请参考之前的博客：【三维目标检测】VoxelNet（三）：模型详解_Coding的叶子的博客-CSDN博客_voxelnet 点云 目标检测。

1 稀疏卷积简介

        以二维图像为例，如果图像中绝大多数像素取值都为0，那么我们可以称这个图像是稀疏的。对于三维点云，体素中很多点的取值都是空的，或者置为0，因而也是稀疏的。对于取值为0的点，在进行卷积计算时仍然是0，因而很大一部分点是不需要参与计算或占用计算图内存。因此，稀疏卷积的意义在于记录这些不为0的数据位置，然后重新构建一个计算方式，使得仅仅不为0的点参与卷积计算，从而节省了计算资源并提高了计算速度。

        本质上，我们仍然可以把稀疏卷积当作普通