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

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。

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。

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