CRF(radar camera fusion)雷达摄像头融合网络论文解读

一.文章思想

通过融合网络层中的相机数据和投影稀疏雷达数据来增强当前的2D目标检测网络。所提出的CameraRadarFusionNet（CRF-Net）自动学习传感器数据融合在哪个级别对检测结果最有利。此外，我们还介绍了BlackIn，这是一种受dropout启发的培训策略，它将学习重点放在特定传感器类型也就是雷达上，通过同时停用相机图像数据的所有输入神经元，用于随机训练步骤。网络更加依赖雷达数据。目标是让网络了解稀疏雷达数据的信息价值。

借鉴了：

a)将雷达数据投影到地面，也就是垂直于图像的平面；

b）3d激光雷达目标检测的将非结构化激光点云转化为规则网格的思想；

c）网络可以在网络中学习优化网络的深度；

二.网络结构

1.主干部分为VGG与FPN:

FPN:

解释一下FPN:

利用FPN构建Faster R-CNN检测器步骤

    首先，选择一张需要处理的图片，然后对该图片进行预处理操作；
    然后ÿ