超级会员免费看
3DSSD通过去除上采样层和修正阶段，优化了3D检测网络，降低了推理时间。它采用特征最远点采样和距离最远点采样结合的方式，提高了前景点的召回率，并引入了3D中心性来辅助正负样本的选择。实验结果显示，3DSSD在保持高性能的同时，比同类方法更快。
如有错误，恳请指出。
paper：《3DSSD: Point-based 3D Single Stage Object Detector》
1. 背景
两阶段的3d检测网络一般包含upsample layer进行特征回传进一步提取全局point-wise特征，以及需要一个修正阶段（refinement stage）来对候选框进行微调，这两个步骤极大的耗费时间，同时让网络结构变得复杂。3D-SSD的目的就是为了进一步减少推理时间，抛弃这种PF layers以及refinement stage，只利用backbone进行下采样的特征提取来完成检测任务。此外，作为one-stage的检测算法，采用anchor-free+centerness的方式，3D-SSD极大的简化了检测算法。
2. 网络结构
网络结构图如下：
2.1 特征提取
在之前的工作中，由于不断地采用距离最远点采样来分组提
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
