阿里达摩院实习生一作：首次实现3D物体检测精度与速度兼得

最后更新：2020-03-23 12:09:41 手机定位技术交流文章

甘明从au Fei temple
qubit报告|最新消息公开号qbita

，并且在aridharma研究所取得了新的研究进展，这一次是在自驱动3D物体检测领域来自

达摩研究所的研究人员提出了一种通用的高性能探测器。在自动驾驶领域的权威数据集KITTI BEV(鸟瞰图)上，检测速度达到25英尺/秒，一举占据首位。与第二种方案相比，检测速度降低了一半以上，精度远远高于其他单级检测器。可以说，这是第一次同时达到三维物体检测的精度和速度。

达摩研究所研究小组表示:“探测器是自动驾驶系统的核心部件之一，但在这一领域一直缺乏创新和突破。这一次我们实现了三维检测精度和速度的提高，这将有助于提高自动驾驶系统的安全性。“

从实验结果来看，他们显然取得了很好的进展，而且主要研究人员(一)还是达摩学院的实习生

同时，这项研究也得到同行的认可，并被计算机视觉领域的顶级会议CVPR 2020列入。他们是怎么做到的？在阿里达摩学院提供的解释的帮助下，我们可以先看看它

如何同时实现精度和速度？

是众所周知的，不同于普通的2D图像识别应用，自动驾驶系统需要更高的精度和速度。他们不仅需要快速识别周围环境中的物体，还需要准确定位物体在三维空间中的位置

通常不能仅通过传感器和算法模型来平衡视觉识别的精度和速度。因此，检测器成为提高自动驾驶系统安全性的关键因素。

经过多年的研究，目前业界主流单级探测器检测速度快，但检测精度差。

这是达摩研究所研究的起点:找到两者兼得的方法。

他们的想法是将两阶段检测器中的特征的细粒度表征的想法移植到单阶段检测。

在他们的模型中，用于部署的检测器，即推理网络，由主干网络和检测头组成

主干网采用三维稀疏网络实现，用于提取高语义体素特征检测头将体素特征压缩成鸟瞰图表示，并在其上运行2D全体积网络来预测3D对象帧

他们使用辅助网络将单级检测器中的体素特征转换成点级特征，并在训练过程中应用某些监控信号。

在实现中，它们将卷积特征中的非零信号映射到原始点云宿主，然后在每个点插值以获得卷积特征的点级表示因此卷积特征也具有结构感测能力以提高检测精度

和辅助网络在进行模型推理时不参与计算，保证了单级探测器的探测效率

此外，他们还提出了一项工程改进:部分敏感翘曲(PSWarp)，以解决单相检测器中的“盒置信不匹配”问题。

的核心思想是使用采样器用生成的采样网格对相应的局部敏感特征图进行采样，生成对齐的特征图能够反映置信度的最终特征图是k个对齐的特征图的平均值

单阶段法可以达到两阶段法的精度。阿达姆研究所

的研究人员评估了该方法在KITTI数据集上的有效性。在下图(公共关系曲线)中，实线是两阶段方法，虚线是单阶段方法。

可以看出达摩研究所提出的单阶段法(black)可以达到只有两阶段法才能达到的精度。

下图显示了他们在KITTI天线(BEV)和3D测试设备上的结果。

可以看出，他们提出的方法可以在不增加额外计算量的情况下达到25FPS的检测速度，并且还可以保持精度。具体检测结果如下:

，均为达摩研究所实习生

的研究论文，题目为“点云结构感知单级三维物体检测”。共有5名研究人员参加，分别来自阿里达摩学院和香港理工大学。《

》的第一作者是何，一位在达摩研究所实习的研究员。他目前在香港理工大学学习，预计将于2022年毕业。

他的导师是达摩研究所的高级研究员，香港理工大学电子计算系和乔春明·章雷的教授。他也是这项研究的通信作者。

另一位第一作者曾惠也是阿里达摩研究所的实习研究员，也是章雷的博士生。她预计今年毕业。

的作者还有达摩研究所高级研究员华宪生、达摩研究所高级算法专家黄等

-端-

量子位QBITAI。注册

，关注我们，首先了解

的最新技术趋势