10、鲁棒单目3D检测中的自适应方法

鲁棒单目3D检测中的自适应方法

1. 实验验证

1.1 数据集

采用KITTI 3D目标检测基准进行方法评估。该基准共有7481张训练图像和7518张测试图像。由于测试集标签不可用，将训练集划分为训练子集（3712张图像）和验证集（3769张图像）。测试集结果从训练集得出，验证集用于消融研究。

1.2 实验设置

1.2.1 训练细节

• 数据增强：对图像的色调（H）、饱和度（S）、亮度（V）进行随机调整，并随机翻转。
• 图像尺寸：将训练图像调整为384×1280像素。
• 批次大小：8。
• 学习率：采用预热策略，初始值为0.01，预热迭代次数为500，预热比例为0.001。
• 权重衰减：0.0005。
• 训练轮数：100。
• 权重策略：使用移动平均权重，参数值为0.999。
• 可重复性保证：固定随机种子，在所有实验中确定性地重新实现CUDA算子。

1.2.2 推理细节

• 后处理：采用3D非极大值抑制（NMS），阈值为0.7。
• 图像分辨率：测试图像保持384×1280像素。
• 推理时间测量：在RTX 2080Ti GPU上进行，排除图像读取时间，禁用TensorRT加速。

1.2.3 评估指标

采用KITTI数据集的官方评估指标，涵盖汽车、行人和骑自行车的人三个目标类别。考虑三种难度级别（简单、中等、