會議簡介

隨著激光雷達在機器人，無人車的領(lǐng)域的推廣應(yīng)用，三維點云的相關(guān)處理技術(shù)作為高精地圖、高精定位、環(huán)境檢測等方向的核心模塊越來越受到重視。現(xiàn)有的在點云中定位物體的單階段檢測器通常將物體定位和類別分類視為分開的任務(wù)，因此定位精度和分類置信度可能無法很好地對齊。本期我們邀請到了來自香港中文大學(xué)的鄭武同學(xué)，分享他提出的新型檢測方法，解決此問題。

講者介紹

鄭武，香港中文大學(xué)二年級博士研究生，本科畢業(yè)于清華大學(xué)自動化系，主要研究方向是自動駕駛場景下基于點云的三維物體檢測。

會議題目

CIA-SSD：Confident IoU-Aware Single Stage Object Detector From Point Cloud

會議摘要

我們提出了一種新的單階物體檢測器，稱為自信的IoU可知的單階物體檢測器（CIA-SSD）。首先，我們設(shè)計了輕量的空間語義特征聚合模塊，以自適應(yīng)地融合高級抽象語義特征和低級空間特征，用于準確預(yù)測邊界框和分類置信度。另外，使用我們設(shè)計的IoU可知的置信度校正模塊可以進一步校正預(yù)測的置信度，以使置信度與定位精度更加一致?；谛Ｕ蟮闹眯哦?，我們進一步構(gòu)造了距離可變的IoU加權(quán)NMS，以獲得更平滑的回歸并避免冗余的預(yù)測。我們將CIA-SSD在KITTI測試集中對3D汽車檢測進行了測試，結(jié)果表明，它在官方排名尺度(Moderate AP)上取得了最高性能, 并達到了32 FPS的實時推理速度，優(yōu)于所有以前的單階段檢測器。

論文的代碼在: https://github.com/Vegeta2020/CIA-SSD

會議亮點

1、本文提出了一種適用于單階物體檢測器的IoU可知的置信度校正模塊；

2、本文設(shè)計了一種輕量的空間語義聚合模塊以提取更加魯棒的BEV特征；

3、本文構(gòu)造了考慮深度因素的DI-NMS方法用于獲取更加平滑的邊界框回歸并避免冗余的預(yù)測框；

4、我們所提出的CIA-SSD是目前KITTI數(shù)據(jù)集上性能最優(yōu)的單階物體檢測器。

會議時間

2021年1月17日（周日）20:00-21:00? 線上直播

關(guān)注微信公眾號：人工智能前沿講習(xí)，對話框回復(fù)“SFFAI97”，獲取入群二維碼、PPT下載、推薦論文下載