tensorflow2 目标检测_CenterNet3D:用于自动驾驶的Anchor-free 3D目标检测器

CenterNet3D: An Anchor free Object Detector for Autonomous Driving

19d314e6edc90256ae3cae4af59b6ea5.png
作者团队:吉林大学&中科院&中山大学等
论文下载链接: https:// arxiv.org/abs/2007.0721 4

注1:如果上述链接无法访问或者下载速度过慢,可以看文末,已上传至百度云,方便下载

注2:Anchor-free火于目标检测(19年初到现在),而现在Anchor-free + x的组合研究越来越多了,如应用到目标跟踪、3D目标检测等

CenterNet3D:一阶段、anchor-free、无NMS的3D目标检测新网络,性能优于PointPillars、TANet和SECOND等网络,速度可达26 FPS!

CenterNet3D

从点云进行准确,快速的3D目标检测是自动驾驶的关键任务。现有的一阶段3D目标检测方法可以实现实时性能,但是,它们被基于anchor的检测器所支配,该检测器效率低下并且需要额外的后处理。

在本文中,我们消除了anchor,并将对象建模为其边界框中心点的单个点。基于中心点,我们提出了anchor-free的CenterNet3D网络,该网络无需anchhor即可执行3D目标检测。

我们的CenterNet3D使用关键点估计来找到中心点并直接使3D边界框回归。但是,由于点云的固有稀疏性,因此3D对象中心点很可能位于空白区域,这使得难以估计准确的边界。

为了解决这个问题,我们提出了一个辅助角点注意力模块,以强制CNN backbone更加关注对象边界,这对于获得更准确的边界框是有效的。此外,我们的CenterNet3D不受非极大值抑制的影响,这使其更有效,更简单。

ac97d80d10ac01f1a154c76d55b78d00.png

e12fae87e170bb6e8f8467dc105acb47.png

3956e73dfd998e7a674b113e87934910.png

实验结果

在KITTI基准上,我们提出的CenterNet3D与其他基于anchor的一阶段方法取得了竞争性性能,这些方法显示了我们提出的中心点表征的有效性。

15dd5222744ee158817bffe78afcaff5.png

bfec80d045c4679d622d9bf9c231f31b.png

f3121e3a4f8efaa004c26b9a365fdae0.png

下载

链接: https:// pan.baidu.com/s/1U6miG- sB5VnKTsBfCwV9Jg
提取码:hij6

推荐大家关注计算机视觉论文速递知乎专栏和CVer微信公众号,可以快速了解到最新优质的CV论文。

推荐阅读

Facebook发布FAIRScale:用于高性能和大规模训练的PyTorch工具

ECCV 2020 | 即插即用!PSConv:将特征金字塔压缩到紧凑的多尺度卷积层中

52.1 AP!MSRA&北大提出RepPoints V2:用于目标检测的验证+回归

MS-NAS:用于医学图像分割的多尺度神经网络架构搜索

京东AI提出:用于人脸识别的损失函数搜索

增强注意力!DCANet:学习卷积神经网络的连接注意力

RarePlanes:最大的真实/合成的飞机检测和分类数据集

GBDT与NAS强强联手!中科大&MSRA提出GBDT-NAS:使用GBDT进行神经网络架构搜索

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值