Jan, 2024

3D 目标检测中的大感受野策略与重要特征提取策略

PDF
TL;DR利用 3D 物体检测、LiDAR 点云、动态特征融合模块和特征选择模块以提高网络性能。
3d object detectionlidar point cloudsdynamic feature fusion modulefeature selection modulenetwork performance
发现论文，激发创造
  • 面向方向不定且密集排列的物体检测的动态细化网络

    本研究提出了一种动态细化网络解决因神经元的感受野方向固定及模型泛化性差而导致的面对有方向的、密集的对象的检测困难问题，并基于发起的 SKU110K 数据集提出了一种新的定向边界框注释方式，实验结果显示该方法与基线方法相比具有相当大的优势。

    May, 2020

  • Temp-Frustum Net: 时序融合的三维物体检测

    本研究提出了一种新颖的 Temporal Fusion 模块（TFM）用于三维物体的检测，它结合了先前时间步骤中的信息以减轻单帧噪声、场景视野阻塞和稀疏性对三维物体检测的影响，实验结果表明，相较于基线方法的帧间检测，我们在 KITTI 目标跟踪数据集上分别实现了 6％，4％和 6％的改进。

    Apr, 2021

  • 3DifFusionDet：基于鲁棒性激光雷达与相机融合的三维物体检测的扩散模型

    该研究提出了 3DifFusionDet 框架，将 3D 目标检测视为从噪声 3D 框到目标框的去噪扩散过程，并通过特征对齐策略和渐进改进方法，在 LiDAR-Camera 融合中取得了显著贡献。实验证明，3DifFusionDet 在 KITTI 上的表现优于前期的经典检测器。

    Nov, 2023

  • 动态融合模块演化驾驶区域和道路异常检测：基准和算法

    本文提出了一个针对地面移动机器人的可行驶区域和路面异常检测基准，评估了现有单模和数据融合语义分割 CNN 的性能，并提出了一个名为动态融合模块（DFM）的新模块来有效和高效地融合不同类型的视觉特征。实验结果表明，变换视差图是最具信息量的视觉特征，提出的 DFM-RTFNet 在 KITTI 路况基准上表现出色，并在公开数据集上可用。

    Mar, 2021

  • MAFF-Net：使用多模式自适应特征融合过滤 3D 车辆检测的误报

    本文提出了一种基于多模态融合的三维车辆检测方法，使用图像信息有效降低了假阳性，具有快速检测速度；通过基于通道注意力机制的多模态自适应特征融合模块，实现了对不同模态特征的自适应调节和融合技术的适应性，实验结果表明该方法能够过滤掉更多的假阳性，并在 KITTI 基准测试中获得了最快速度和更好的性能。

    Sep, 2020

  • F3Net: 融合、反馈和聚焦用于显著目标检测

    本文提出 F3Net 算法，通过交叉特征模块和级联反馈解码器，结合像素位置感知损失函数，实现高效的显著目标检测，能够在各项指标上优于现有算法。

    Nov, 2019

  • 基于动态信息建模的自动驾驶 3D 物体检测

    提出了一种动态信息建模的新型三维物体检测框架，通过 InfoFocus 适应性地优化点云密度信息，实现在 nuScenes 检测基准集上 31 FPS 的实时性及 9.0% mAP 的最先进性能。

    Jul, 2020

  • 利用尺度不变和特征重新加权网络进行三维物体检测

    本文介绍了一种新型网络架构，利用前视图像和视锥形点云生成三维检测结果，使用 PointSIFT 模块和 SENet 模块来提高三维分割的性能和有效地估计三维边界框，实验结果表明该方法在使用高度稀疏的点云时比现有方法表现更优，广泛应用于室内和室外的实际场景中的三维物体检测。

    Jan, 2019

  • 动态大核与动态特征融合用于三维医学图像分割的 D-Net

    Hierarchical transformers have introduced the DLK and DFF modules in the D-Net architecture, resulting in improved performance for medical image segmentation tasks.

    Mar, 2024

  • Voxel-FPN：在点云中多尺度体素特征聚合的三维物体检测

    本研究提出了一种基于 LIDAR 传感器的一阶段 3D 目标检测器，该检测器在从点数据中提取特征上表现出更好的性能，并在 KITTI-3D 基准测试中表现优异，其速度和准确性在实际场景中具有实际应用价值。

    Jun, 2019