【三维目标检测】SASSD（一）

Coding的叶子

已于 2023-05-12 09:56:12 修改

阅读量3.1k

点赞数 1

分类专栏： Python三维点云实战宝典文章标签： sassd 三维目标检测自动驾驶 python 人工智能

于 2022-12-07 07:30:14 首次发布

本文为博主原创文章，未经博主允许不得转载。

本文链接：https://blog.csdn.net/suiyingy/article/details/128202658

版权

Python三维点云实战宝典专栏收录该内容

94 篇文章 60 订阅 ¥79.90 ¥99.90

订阅专栏

超级会员免费看

本文介绍了SASSD，一种用于点云三维目标检测的模型，它在CVPR 2020上发表。SASSD利用语义分割网络辅助候选框特征提取，提升检测精度，且该辅助网络只在训练时使用，不增加推理开销。文章涵盖了SASSD的源码、数据处理、模型训练、调试方法以及与现有方法的区别。

摘要由CSDN通过智能技术生成

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”。

SASSD是用于点云三维目标检测模型算法，发表在CVPR 2020《Structure Aware Single-stage 3D Object Detection from Point Cloud》，论文地址为“https://www4.comp.polyu.edu.hk/~cslzhang/paper/SA-SSD.pdf”。SASSD与基于Anchor的目标检测模型的结构基本保持一致，其核心特点在于采用了一个语义分割网络来辅助候选框特征提取，使产生的候选框质量更高。辅助网络这一点与PointRCNN和VoteNet的部分思想很接近。不同之处在于，SASSD提取体素中心点特征时融合了不同尺度下近邻体素的特征，从而使得网络可以有效获取到局部结构特征（Structure Aware）。另一方面，这个辅助网络仅在训练时用到，在推理时则完全拆解下来，从而使得模型在实际部署过程种不增加额外开销。因此，SASSD辅助网络的作用在于提高模型训练精度。