三维目标检测通常涉及复杂的训练和测试流程,这需要对单个数据集的大量领域知识。根据目前非最大抑制二维目标检测模型,提出了一种基于点云的三维目标检测体系结构。我们的方法将三维目标检测建模为动态图上传递的消息,将DGCNN框架泛化到预测一组目标。在我们的构建中,我们去掉了通过对象置信聚合或非最大抑制进行后处理的必要性。为了便于从稀疏点云中进行目标检测,我们还提出了一种定制的集到集蒸馏方法。该方法以置换不变的方式将教师模型和学生模型的输出进行对齐,显著简化了三维检测任务的知识提取。我们的方法在自动驾驶基准上达到了最先进的性能。我们还提供了丰富的检测模型和蒸馏框架分析。

https://www.zhuanzhi.ai/paper/a640a10b49d0bc63bf25776559035d43

成为VIP会员查看完整内容
14

相关内容

【NeurIPS2021】基于关联与识别的少样本目标检测
专知会员服务
21+阅读 · 2021年11月29日
专知会员服务
19+阅读 · 2021年10月3日
专知会员服务
14+阅读 · 2021年9月29日
专知会员服务
29+阅读 · 2021年4月5日
3D目标检测进展综述
专知会员服务
191+阅读 · 2020年4月24日
近期必读的5篇 CVPR 2019【图卷积网络】相关论文和代码
专知会员服务
32+阅读 · 2020年1月10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
【泡泡点云时空】基于分割方法的物体六维姿态估计
泡泡机器人SLAM
18+阅读 · 2019年9月15日
【泡泡点云时空】PointPillars:点云物体检测的快速编码器
【泡泡点云时空】完美配准:具有平滑密度的3D点云配准
泡泡机器人SLAM
61+阅读 · 2019年5月16日
Object DGCNN: 3D Object Detection using Dynamic Graphs
Arxiv
8+阅读 · 2021年10月13日
Arxiv
12+阅读 · 2019年1月24日
Arxiv
8+阅读 · 2018年5月17日
Arxiv
4+阅读 · 2016年12月29日
VIP会员
相关VIP内容
【NeurIPS2021】基于关联与识别的少样本目标检测
专知会员服务
21+阅读 · 2021年11月29日
专知会员服务
19+阅读 · 2021年10月3日
专知会员服务
14+阅读 · 2021年9月29日
专知会员服务
29+阅读 · 2021年4月5日
3D目标检测进展综述
专知会员服务
191+阅读 · 2020年4月24日
近期必读的5篇 CVPR 2019【图卷积网络】相关论文和代码
专知会员服务
32+阅读 · 2020年1月10日
相关论文
微信扫码咨询专知VIP会员