本文将单目3D目标检测任务分解为四个子任务,包括2D目标检测,实例级深度估计,投影3D中心估计和局部角点回归。

在真实的3D空间中检测和定位对象(在场景理解中起着至关重要的作用)尤其困难,因为在图像投影过程中由于几何信息的丢失,仅给出单目图像。我们提出MonoGRNet用于通过几何推理在观测到的2D投影和未观测到的深度尺寸中从单目图像中检测无模态3D对象。 MonoGRNet将单目3D目标检测任务分解为四个子任务,包括2D目标检测,实例级深度估计,投影3D中心估计和局部角点回归。任务分解极大地促进了单目3D对象检测,从而可以在单个前向传递中有效地预测目标3D边界框,而无需使用object proposal,后处理或先前方法所使用的计算上昂贵的像素级深度估计。此外,MonoGRNet可以灵活地适应完全和弱监督学习,从而提高了我们框架在各种环境中的可行性。在KITTI,Cityscapes和MS COCO数据集上进行了实验。结果表明,我们的框架在各种情况下均具有令人鼓舞的性能。

成为VIP会员查看完整内容
17

相关内容

【CVPR2021】群体协同学习在共显著目标检测中的应用
专知会员服务
17+阅读 · 2021年4月6日
专知会员服务
29+阅读 · 2021年4月5日
【CVPR2021】自监督几何感知
专知会员服务
45+阅读 · 2021年3月6日
3D目标检测进展综述
专知会员服务
185+阅读 · 2020年4月24日
CVPR 2020 | 用于点云中3D对象检测的图神经网络
学术头条
5+阅读 · 2020年7月29日
【泡泡图灵智库】体积实例感知语义建图与3D对象发现
泡泡机器人SLAM
22+阅读 · 2019年9月7日
Arxiv
10+阅读 · 2019年1月24日
Joint Monocular 3D Vehicle Detection and Tracking
Arxiv
8+阅读 · 2018年12月2日
Arxiv
6+阅读 · 2018年2月6日
VIP会员
相关主题
相关VIP内容
【CVPR2021】群体协同学习在共显著目标检测中的应用
专知会员服务
17+阅读 · 2021年4月6日
专知会员服务
29+阅读 · 2021年4月5日
【CVPR2021】自监督几何感知
专知会员服务
45+阅读 · 2021年3月6日
3D目标检测进展综述
专知会员服务
185+阅读 · 2020年4月24日
相关论文
微信扫码咨询专知VIP会员