江苏龙网

  1. 首页 > 资讯 > 科技 > >

#达摩#CVPR2020 | 阿里达摩院自动驾驶新成果，3D物体检测精度与速度的兼得( 三 )


如上图 ， 我们首先修改最后的分类层以生成 K 个部分敏感的特征图 ， 用 {X_k：k = 1,2 ， ... ， K} 表示 ， 每个图都编码对象的特定部分的信息 。例如 ， 在 K = 4 的情况下 ， 会生成 {左上 ， 右上 ， 左下 ， 右下} 四个局部敏感的特征图 。同时 ， 我们将每个预测边界框划分为 K 个子窗口 ， 然后选择每个子窗口的中心位置作为采样点 。这样 ， 我们可以生成 K 个采样网格 {S^k：k = 1,2 ， ... ， K} ， 每个采样网格都与该局部对应的特征图相关联 。如图所示 ， 我们利用采样器 ， 用生成的采样网格在对应的局部敏感特征图上进行采样 ， 生成对齐好的特征图 。最终能反映置信度的特征图则是 K 个对齐好特征图的平均 。
4. 效果
#达摩#CVPR2020 | 阿里达摩院自动驾驶新成果，3D物体检测精度与速度的兼得
文章图片

文章图片

我们提出的方法 (黑色) 在 KITTI 数据库上的 PR Curve ， 其中实线为两阶段方法 ， 虚线为单阶段方法 。可以看到我们作为单阶段方法能够达到两阶段方法才能达到的精度
在 KITTI 鸟瞰 (BEV) 和 3D 测试集的效果 。优点是在保持精度的同时 ， 不增加额外的计算量 ， 能达到 25FPS 的检测速度 。
本 文为机器之心发布 ，转载请联系本公众号获得授权。


推荐阅读


上一篇：标配：原创 网友：高刷突然不香了？不是旗舰标配吗？红米K30Pro：对不起！

下一篇：「充电」一加8 Pro基本坐实，骁龙865+无线充电+120Hz，硬件配置太给力！