CVPR2020 | 商汤-港中文等提出PV-RCNN：3D目标检测新网络

论文：https://arxiv.org/abs/1912.13192

代码：https://github.com/sshaoshuai/PCDet

本文的特征提取方式充分利用的3D voxel卷积和基于点的pointnet卷积方式。其中作者给出的解释是3D voxel卷积高效，而point-based的方法感受野可变，因此结合了这两种检测方法的优点。

• 该方法是一个两阶段的方法, 第一阶段提proposals，第二阶段为refine

• 该方法远远好于KITTI其他的方法，在精度的表现上看。

一个简单的过程如下，盲猜为多尺度特征融合到key-point上的一个创新工作。

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“PVRCNN” 就可以获取《商汤-港中文等提出PV-RCNN：3D目标检测新网络》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源