【三维目标检测】FCAF3D（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”。

        FCAF3D是一种anchor-free的全卷积室内三维目标检测算法，由三星公司发表在ECCV 2022 《FCAF3D: Fully Convolutional Anchor-Free 3D Object Detection》，论文地址为“https://arxiv.org/abs/2112.00322”。现有的 3D 物体检测方法使得对物体几何形状的先验假设，作者认为它限制了模型的泛化能力。FCAF3D采用anchor-free的方式避免这种提前假设，是一种纯粹数据驱动的方法。目前，该方法发布时在ScanNet V2 (+4.5)、SUN RGB-D (+3.5)和S3DIS (+20.5) 数据集上均取得了最好的结果。下图所示排名数据和图片来源于paperwithcode官网（2022.12.12），目前FCAF3D仍然排名比较靠前，地址为“https://paperswithcode.com/sota/3d-object-detection-on-sun-rgbd-val”。

1 源码与数据输入

        FCAF3D官方源码地址为“https://github.com/sa