3DSSD是香港中文大学和香港科技大学贾佳亚团队在2020CVPR发表的工作，提出F-FPS策略增加前景点采样，结合D-FPS获取更多负样本。它在框架中使用类似VoteNet的CG Layer，并引入中心度得分以提高检测精度。实验在KITTI和nuScenes数据集上表现良好，通过Ablation Study验证了关键组件的效果。
文章目录
香港中文大学，香港科技大学出品，贾佳亚团队
2020CVPR
3DSSD
F-FPS
这是我认为本文最重要的一个贡献，该贡献解决了前景点采样点（representative points）少的问题。解决方式也很巧妙，在FPS的过程中，除了使用点与点之间的距离，还加入了feature与feature的距离。该方式的加入使得采样点中前景点的数量更多了。具体效果也在Table 2中做了比较。
值得注意的一点是，作者并没有完全使用F-FPS，而是使用了D-FPS与F-FPS的结合，两者均取一些点，然后将两者采样的点合起来。这样做是为了在训练过程中引入足够的负样本。
Framework
如果读过VoteNet这篇论文，可以发现CG Layer与VoteNet中的很像。VoteNet的详细解读可以参考我的另外两篇博客[1][2]。
Loss中也是与VoteNet很像，新的部分是使用了center-ness score，center-ness score文中说是参考了2D Object Detection中FCOS。如果看FCOS，可以看到这个的center-ness score与FCOS中的确实很像，只不过是由2维度变成了3维。
Experiment
在KITTI
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
