TANet: Robust 3D Object Detection from Point Clouds with Triple Attention(即将开源)
地址:https://github.com/happinesslz/TANet
    华中科技大学和中科院自动化所联合推出的新算法TANet,探讨了点云3D目标检测的稳健性,这在现有方法中很少提及。该研究发现两个重要现象:1)难以检测的对象(如行人)的检测准确率不够好;2)添加额外的噪声点后,现有方法的性能迅速下降。
    针对这些问题提出的TANet,它主要包含了三元注意力(Triple Attention, TA)模块和Coarse-to-Fine Regression(CFR)模块。TA模块联合考虑通道注意力、点注意力和体素注意力,从而增强目标的关键信息,同时抑制不稳定的点。此外,新型堆叠TA模块还可以进一步利用多级特征注意力。而CRF模块可在不过度消耗计算成本的情况下提升定位准确率。
    在KITTI数据集验证集上的实验结果表明,在难度较大的噪音环境中(即在每个对象周围添加额外的随机噪声点),TANet的性能远远超过当前最优方法。此外,在KITTI基准数据集上执行3D目标检测任务后发现,TANet仅使用点云作为输入,即在“行人”(Pedestrian)类别检测中取得SOTA的成绩,其运行速度约为每秒29帧。

参与评论

热门资讯