AAAI 2020线上分享 | 华科Oral论文：点云中3D目标检测的鲁棒性

在 2020 年第一场人工智能学术顶会 AAAI 开幕之前，机器之心将策划多期线下分享。 这是机器之心 AAAI 2020 线上分享的第一期，我们邀请到华中科技大学白翔教授组的刘哲为我们介绍他们的一篇 Oral 论文。

不久之前，2019 年的最后一个 AI 顶会 NeurIPS 在加拿大温哥华落幕，机器之心在此期间为读者们精心策划了 NeurIPS 2019 专题，包括线上分享、论文解读、现场报道、线下分享等精彩内容，可谓干货满满。

虽然 NeurIPS 2019 上的干货还未看完，2020 年的第一场 AI 学术顶会 AAAI 2020 又即将开始。

2020 年 2 月 7 日-2 月 12 日，AAAI 2020 将于美国纽约举办。 不久之前，大会官方公布了今年的论文收录信息： 收到 8800 篇提交论文，评审了 7737 篇，接收 1591 篇，接收率 20.6%。

为向读者们分享更多的优质内容、促进学术交流，在 AAAI 2020 开幕之前，机器之心将策划多期线上分享。 这是机器之心 AAAI 2020 线上分享的第一期，我们邀请到华中科技大学白翔教授组的刘哲为我们介绍他们的 AAAI Oral 论文《TANet: Robust 3D Object Detection from Point Clouds with Triple Attention》

讲者简介： 刘哲，华中科技大学人工智能与自动化学院硕士，国家奖学金获得者，准备攻读白翔老师的博士。 研究兴趣主要包括计算机视觉、3D 视觉、深度学习，目前的工作主要集中在分别在三维点云识别，分割以及三维目标检方向，已于 2019、2020AAAI 连续两年发表论文，并在 CVPR2020 上投稿一篇论文。

演讲摘要： 近年来，点云中的 3D 目标检测在真实场景中具有大量应用，特别是对于自动驾驶和增强现实。 目前，有几种基于点云的 3D 检测方法已经被提出，比如 VoxelNet，SECOND,PointPillars 以及 PointRCNN。 我们观察到两个关键现象： 1）诸如行人之类的困难目标的检测精度不令人满意; 2）添加额外的噪声点时，现有方法的性能迅速下降。 但这些现有方法中很少去讨论点云中 3D 目标检测的鲁棒性问题。 本讲座将首先为大家介绍一些经典的深度学习点云网络，以及常见的三维目标检测算法，之后介绍 3D 目标检测的鲁棒性问题。

论文地址：https://arxiv.org/abs/1912.05163

时间：北京时间 12 月 26 日 20:00-21:00

AAAI 2020 机器之心线上分享

在 AAAI 2020 收录的大量优秀论文中，我们将选出数篇优质论文，邀请论文作者来做线上分享。 整场分享包括两个部分： 论文解读和互动答疑。

线上分享将在「AAAI 2020 交流群」中进行，加群方式： 添加机器之心小助手（syncedai4），备注「AAAI」，邀请入群。 入群后将会公布直播链接。