【三维目标检测】SSN（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”。

        SSN是用于点云三维目标检测的模型算法，发表在ECCV 2020 《SSN: Shape Signature Networks for Multi-class Object Detection from Point Clouds》，论文地址为“https://arxiv.org/abs/2004.02774”。SSN核心在于提出了shape-aware heads grouping和shape signature结构，前者针对不同类别目标设置不同Head，并得到不同尺度的特征图。相比于其他网络采用单一尺度的特征图，这种方法的可以有效提升精度，但是参数量也大大增加。从实现过程来看，这种结构实际上与增加anchor和FPN的作用相近似。另一方面，读者也可以类比以下yolov5的Head结构。shape signature结构主要是对目标轮廓进行编码，强调了目标轮廓形状的特点，从而最终进一步提升目标检测精度。

1 源码与输入数据

        接下来介绍的源码来源于mmdetection3d框架中的SSN模型。mmdetection3d安装和调试验证可参考本专栏之前的博客