CVPR\'24 Oral |. Ein Blick auf die Vergangenheit und Gegenwart des reinen Punktwolkendetektors SAFDNet!

Vorab geschrieben und das persönliche Verständnis des Autors

Die Erkennung von 3D-Punktwolkenobjekten ist für die Wahrnehmung beim autonomen Fahren von entscheidender Bedeutung. Das effiziente Erlernen der Merkmalsdarstellung aus spärlichen Punktwolkendaten ist eine zentrale Herausforderung im Bereich der 3D-Punktwolkenobjekterkennung . In diesem Artikel stellen wir das vom Team in NeurIPS 2023 veröffentlichte HEDNet und das in CVPR 2024 veröffentlichte SAFDNet vor. HEDNet konzentriert sich auf die Lösung des Problems, dass bestehende spärliche Faltungs-Neuronale Netze die Abhängigkeiten zwischen Langstreckenmerkmalen nur schwer erfassen können, während SAFDNet aufgebaut ist Basierend auf HEDNet. Reiner Detektor für spärliche Punktwolken. Bei der Erkennung von Punktwolkenobjekten basieren herkömmliche Methoden häufig auf manuell entwickelten Merkmalsextraktoren, die bei der Verarbeitung spärlicher Punktwolkendaten nur begrenzt wirksam sind. In den letzten Jahren haben Deep-Learning-basierte Methoden in diesem Bereich erhebliche Fortschritte gemacht. HEDNet verwendet Faltungs-Neuronale Netze, um Merkmale aus spärlichen Punktwolkendaten zu extrahieren, und löst Schlüsselprobleme in spärlichen Punktwolkendaten durch eine spezifische Netzwerkstruktur, z. B. die Erfassung der Abhängigkeiten zwischen Merkmalen über große Entfernungen. Diese Methode ist in der Arbeit von NeurIPS 2023 enthalten. Die meisten existierenden spärlichen Faltungsnetze werden hauptsächlich durch Stapeln von Submanifold-Mannigfaltigkeitsmodulen (SSR) aufgebaut. Jedes SSR-Modul enthält zwei Submanifold-Faltungen unter Verwendung kleiner Faltungskerne (Submanifold Sparse, SS). Allerdings erfordert die Untermannigfaltigkeitsfaltung, dass die Sparsität der Eingabe- und Ausgabe-Feature-Maps konstant bleibt, was das Modell daran hindert, die Abhängigkeiten zwischen entfernten Features zu erfassen. Eine mögliche Lösung besteht darin, die Untermannigfaltigkeitsfaltung im SSR-Modul durch eine reguläre Sparse-Faltung (RS) zu ersetzen. Mit zunehmender Netzwerktiefe führt dies jedoch zu einer Spärlichkeit niedrigerer Feature-Maps, was zu einem erheblichen Anstieg der Rechenkosten führt. Einige Forschungsversuche versuchen, spärliche Faltungs-Neuronale Netze oder Transformatoren auf Basis großer Faltungskerne zu verwenden, um die Abhängigkeiten zwischen Merkmalen über große Entfernungen zu erfassen. Diese Methoden bringen jedoch entweder keine Verbesserung der Genauigkeit oder erfordern höhere Rechenkosten. Zusammenfassend fehlt uns noch eine Methode, mit der die Abhängigkeiten zwischen entfernten Features effizient erfasst werden können.

Einführung in die Methode

SSR-Modul und RSR-Modul

Um die Modelleffizienz zu verbessern, verwenden die meisten vorhandenen 3D-Punktwolken-Objektdetektoren eine spärliche Faltung, um Merkmale zu extrahieren. Die spärliche Faltung umfasst hauptsächlich die RS-Faltung und die SS-Faltung. Durch die RS-Faltung werden spärliche Features während des Berechnungsprozesses auf benachbarte Bereiche verteilt, wodurch die Sparsität der Feature-Map verringert wird. Im Gegensatz dazu bleibt bei der SS-Faltung die Sparsität der Eingabe- und Ausgabe-Feature-Maps unverändert. Aufgrund des Rechenaufwands der RS-Faltung durch Reduzierung der Sparsität von Feature-Maps wird die RS-Faltung in bestehenden Methoden normalerweise nur für das Downsampling von Feature-Maps verwendet. Andererseits bauen die meisten elementbasierten Methoden spärliche Faltungs-Neuronale Netze auf, indem sie SSR-Module stapeln, um Punktwolkenmerkmale zu extrahieren. Jedes SSR-Modul enthält zwei SS-Faltungen und eine Sprungverbindung, die Eingabe- und Ausgabefunktionen zusammenführt.

Abbildung 1(a) zeigt die Struktur eines einzelnen SSR-Moduls. Das gültige Feature in der Abbildung bezieht sich auf das Feature ungleich Null, während der Wert des leeren Features Null ist, was bedeutet, dass die Position ursprünglich keine Punktwolke enthält. Wir definieren die Sparsamkeit einer Feature-Map als das Verhältnis der von leeren Features eingenommenen Fläche zur Gesamtfläche der Feature-Map. Im SSR-Modul wird die Eingabe-Feature-Map durch zwei SS-Faltungen konvertiert, um die Ausgabe-Feature-Map zu erhalten. Gleichzeitig werden die Informationen der Eingabe-Feature-Map über eine Skip-Verbindung (Skip-Verbindung) direkt in die Ausgabe-Feature-Map integriert. . Die SS-Faltung verarbeitet nur gültige Features, um sicherzustellen, dass die Ausgabe-Feature-Map des SSR-Moduls die gleiche Sparsity wie die Eingabe-Feature-Map aufweist. Ein solches Design behindert jedoch die Informationsinteraktion zwischen getrennten Funktionen. Beispielsweise können die in der oberen Feature-Karte mit Sternchen markierten Feature-Punkte keine Informationen von den drei durch rote Dreiecke markierten Feature-Punkten außerhalb des rot gepunkteten Felds in der unteren Feature-Karte empfangen, was die Fähigkeit des Modells einschränkt, Abhängigkeiten zwischen Features mit großer Entfernung zu modellieren . Fähigkeit.

Abbildung 1 Strukturvergleich von SSR-, RSR- und SED-Modulen

Angesichts der oben genannten Probleme besteht eine mögliche Lösung darin, die SS-Faltung im SSR-Modul durch RS-Faltung zu ersetzen, um die Abhängigkeit zwischen Langstreckenmerkmalen zu erfassen. Wir nennen dieses modifizierte Modul das RSR-Modul (Regular Sparse Residual) und seine Struktur ist in Abbildung 1(b) dargestellt. In der Abbildung ist das erweiterte Feature ein leeres Feature in der Nähe gültiger Features. Die RS-Faltung verarbeitet sowohl effektive Merkmale als auch zu verbreitende Merkmale, und ihr Faltungskernzentrum durchquert diese Merkmalsbereiche. Dieses Design führt zu einer geringeren Sparsität im Ausgabemerkmalsbild. Durch die gestapelte RS-Faltung wird die Sparsität der Feature-Map schneller reduziert, was zu einer erheblichen Verringerung der Modelleffizienz führt. Dies ist auch der Grund, warum bestehende Methoden normalerweise die RS-Faltung zum Downsampling von Merkmalen verwenden. Hier ist es für uns angemessener, erweiterte Funktionen in zu verbreitende Funktionen zu übersetzen.

SED-Modul und DED-Modul

Das Designziel des SED-Moduls besteht darin, die Einschränkungen des SSR-Moduls zu überwinden. Das SED-Modul verkürzt den räumlichen Abstand zwischen entfernten Features durch Feature-Downsampling und stellt gleichzeitig die verlorenen Detailinformationen durch Multiskalen-Feature-Fusion wieder her. Abbildung 1(c) zeigt ein Beispiel eines SED-Moduls mit zwei Merkmalsskalen. Dieses Modul verwendet zunächst eine 3x3-RS-Faltung mit einem Schritt von 3 für das Feature-Downsampling (Down). Nach dem Feature-Downsampling werden die getrennten effektiven Features in der unteren Feature-Map in die mittlere Feature-Map und angrenzende effektive Features integriert. Anschließend wird die Interaktion zwischen effektiven Features erreicht, indem ein SSR-Modul verwendet wird, um Features auf der Zwischen-Feature-Map zu extrahieren. Schließlich werden die Zwischen-Feature-Maps einem Upsampling (UP) unterzogen, um sie an die Auflösung der Eingabe-Feature-Maps anzupassen. Es ist zu beachten, dass hier nur die Beispielmerkmale auf die Regionen hochgerechnet werden, die gültigen Merkmalen in der Eingabe-Feature-Karte entsprechen. Daher kann das SED-Modul die Sparsamkeit von Feature-Maps beibehalten. Das Designziel des SED-Moduls besteht darin, die Einschränkungen des SSR-Moduls zu überwinden. Das SED-Modul verkürzt den räumlichen Abstand zwischen entfernten Features durch Feature-Downsampling und stellt gleichzeitig die verlorenen Detailinformationen durch Multiskalen-Feature-Fusion wieder her. Abbildung 1(c) zeigt ein Beispiel eines SED-Moduls mit zwei Merkmalsskalen. Dieses Modul verwendet zunächst eine 3x3-RS-Faltung mit einem Schritt von 3 für das Feature-Downsampling (Down). Nach dem Feature-Downsampling werden die getrennten effektiven Features in der unteren Feature-Map in die mittlere Feature-Map und angrenzende effektive Features integriert. Anschließend wird die Interaktion zwischen effektiven Features erreicht, indem ein SSR-Modul verwendet wird, um Features auf der Zwischen-Feature-Map zu extrahieren. Schließlich werden die Zwischen-Feature-Maps einem Upsampling (UP) unterzogen, um sie an die Auflösung der Eingabe-Feature-Maps anzupassen. Es ist zu beachten, dass hier nur die Beispiel-Features auf die Regionen hochgerechnet werden, die gültigen Features in der Eingabe-Feature-Map entsprechen. Daher kann das SED-Modul die Sparsamkeit von Feature-Maps beibehalten. Das Designziel des SED-Moduls besteht darin, die Einschränkungen des SSR-Moduls zu überwinden. Das SED-Modul zeigt eine spezifische Implementierung des SED-Moduls mit drei charakteristischen Skalen. Die Zahl in Klammern stellt das Verhältnis der Auflösung der entsprechenden Feature-Map zur Auflösung der Eingabe-Feature-Map dar. Das SED-Modul verwendet eine asymmetrische Codec-Struktur, die den Encoder zum Extrahieren von Multiskalenmerkmalen verwendet und die extrahierten Multiskalenmerkmale schrittweise über den Decoder zusammenführt. Das SED-Modul verwendet RS-Faltung als Feature-Downsampling-Schicht und spärliche Dekonvolution als Feature-Upsampling-Schicht. Durch die Verwendung der Encoder-Decoder-Struktur erleichtert das SED-Modul die Informationsinteraktion zwischen getrennten Merkmalen im Raum und ermöglicht so dem Modell, die Abhängigkeiten zwischen entfernten Merkmalen zu erfassen.

Abbildung 2 SED- und DED-Modulstrukturen

Andererseits verlassen sich die aktuellen gängigen 3D-Punktwolkendetektoren zur Vorhersage hauptsächlich auf Objektzentrumsmerkmale, in der vom spärlichen Faltungsnetzwerk extrahierten Merkmalskarte kann jedoch der Objektzentrumsbereich verwendet werden Vor allem in großen Objekten gibt es Löcher. Um dieses Problem zu lösen, schlagen wir das DED-Modul vor, dessen Struktur in Abbildung 2(b) dargestellt ist. Das DED-Modul hat die gleiche Struktur wie das SED-Modul, es ersetzt das SSR-Modul im SED-Modul durch ein Dense Residual (DR)-Modul und ersetzt die für das Feature-Downsampling verwendete RS-Faltung durch DR mit einem Schritt von 2 Modulen und ersetzt Sparse Dekonvolution für Feature-Upsampling mit dichter Dekonvolution. Diese Designs ermöglichen es dem DED-Modul, spärliche Merkmale effektiv in Richtung des zentralen Bereichs des Objekts zu verteilen.

HEDNet

Basierend auf dem SED-Modul und dem DED-Modul schlagen wir das hierarchische Codec-Netzwerk HEDNet vor. Wie in Abbildung 3 dargestellt, extrahiert HEDNet spärliche Features auf hoher Ebene über ein 3D-Backbone-Netzwerk mit geringer Dichte, verteilt die spärlichen Features dann über ein dichtes 2D-Backbone-Netzwerk in den zentralen Bereich des Objekts und sendet schließlich die vom 2D ausgegebenen Features dichtes Backbone-Netzwerk zum Erkennungskopf zur Aufgabenvorhersage. Zur Vereinfachung der Darstellung wurden die Feature-Map und die anschließende Feature-Downsampling-Ebene in der Abbildung weggelassen. Makroskopisch nimmt HEDNet eine hierarchische Netzwerkstruktur an, die SECOND ähnelt, und die Auflösung seiner Feature-Maps nimmt mikroskopisch allmählich ab. Die Kernkomponenten SED-Modul und DED-Modul von HEDNet nehmen beide eine Codec-Struktur an. Daher kommt auch der Name HEDNet.

Abbildung 3 HEDNet-Gesamtrahmen

Kleines Osterei

Warum denken wir über die Verwendung der Codec-Struktur nach? Tatsächlich wurde HEDNet von unserer früheren Arbeit CEDNet: A Cascade Encoder-Decoder Network for Dense Prediction (vor der Namensänderung CFNet genannt) inspiriert. Wenn Sie interessiert sind, können Sie unser Papier lesen.

Experimentelle Ergebnisse

Wir haben die umfassende Leistung von HEDNet mit früheren führenden Methoden verglichen und die Ergebnisse sind in Abbildung 4 dargestellt. Im Vergleich zu LargeKernel3D, das auf dem großen Faltungskern CNN basiert, und DSVT-Voxel, das auf Transformer basiert, erzielt HEDNet bessere Ergebnisse sowohl bei der Erkennungsgenauigkeit als auch bei der Modellinferenzgeschwindigkeit. Erwähnenswert ist, dass HEDNet im Vergleich zur bisherigen hochmodernen Methode DSVT eine höhere Erkennungsgenauigkeit erreicht und die Modellinferenzgeschwindigkeit um 50 % erhöht. Detailliertere Ergebnisse finden Sie in unserem Artikel.

Abbildung 4 Umfassender Leistungsvergleich des Waymo Open-Datensatzes

Dieses Leben - SAFDNet

Forschungshintergrund

Voxelbasierte Methoden konvertieren normalerweise spärliche Voxel-Features in dichte Feature-Maps und übergeben dann dichte Faltungsneuronale Netzwerke extrahieren Merkmale zur Vorhersage. Wir nennen diesen Detektortyp einen Hybriddetektor, und seine Struktur ist in Abbildung 5(a) dargestellt. Diese Art von Methode eignet sich gut für Erkennungsszenarien mit geringer Reichweite (<75 Meter), aber mit zunehmender Erfassungsreichweite steigen die Rechenkosten für die Verwendung dichter Feature-Maps dramatisch an, was ihre Verwendung bei Erkennungsszenarien mit großer Reichweite (>200 Meter) einschränkt. Erkennungsszenarien. Eine mögliche Lösung besteht darin, einen „reinen spärlichen Detektor“ zu bauen, indem die dichten Feature-Maps in vorhandenen Hybriddetektoren entfernt werden. Dies führt jedoch zu einer erheblichen Verschlechterung der Erkennungsleistung des Modells, da die meisten Hybriddetektoren derzeit auf Objektzentren basieren Wird zur Vorhersage verwendet, um Merkmale mit geringer Dichte zu extrahieren, ist der zentrale Bereich großer Objekte normalerweise leer. Dies ist das Problem des „fehlenden Objektzentrums“. Daher ist das Erlernen geeigneter Objektdarstellungen für den Aufbau rein spärlicher Detektoren von entscheidender Bedeutung.

Abbildung 5 Strukturvergleich von Hybriddetektor, FSDv1 und SAFDNet

Um das Problem fehlender Objektzentrumsmerkmale zu lösen, unterteilt FSDv1 (Abbildung 5(b)) zunächst die ursprüngliche Punktwolke in Vordergrundpunkte und Hintergrundpunkte , und dann durch Der Mittelpunkt-Voting-Mechanismus gruppiert die Vordergrundpunkte und extrahiert Instanzmerkmale aus jedem Cluster für die anfängliche Vorhersage, die durch den Gruppenkorrekturkopf weiter verfeinert wird. Um die induktive Verzerrung zu reduzieren, die durch die manuelle Extraktion von Instanzmerkmalen entsteht, verwendet FSDv2 ein virtuelles Voxelisierungsmodul, um den Instanz-Clustering-Vorgang in FSDv1 zu ersetzen. Die FSD-Methodenreihe unterscheidet sich erheblich von weit verbreiteten Erkennungsframeworks wie CenterPoint und führt eine große Anzahl von Hyperparametern ein, was den Einsatz dieser Methoden in realen Szenarien schwierig macht. Im Gegensatz zur FSD-Methodenreihe prognostiziert VoxelNeXt direkt basierend auf den Voxelmerkmalen, die der Mitte des Objekts am nächsten liegen, beeinträchtigt jedoch die Erkennungsgenauigkeit.

Wie sieht also der reine, spärliche Punktwolkendetektor aus, den wir wollen? Erstens sollte die Struktur einfach sein, damit sie direkt in praktische Anwendungen eingesetzt werden kann. Zweitens besteht eine intuitive Idee darin, minimale Änderungen vorzunehmen, um einen reinen Sparse-Detektor basierend auf der derzeit weit verbreiteten Hybrid-Detektorarchitektur zu erstellen Die Leistung muss mindestens mit den aktuell führenden Hybriddetektoren mithalten und auf verschiedene Bereiche von Erkennungsszenarien anwendbar sein.

Einführung in die Methode

Ausgehend von den beiden oben genannten Anforderungen haben wir einen rein spärlichen 3D-Punktwolken-Objektdetektor SAFDNet basierend auf HEDNet erstellt, dessen Makrostruktur in Abbildung 5 (c) dargestellt ist. SAFDNet verwendet zunächst einen Sparse-Voxel-Feature-Extraktor, um spärliche Punktwolken-Features zu extrahieren, und verwendet dann eine Adaptive Feature Diffusion (AFD)-Strategie und ein 2D-Spärse-Faltungs-Neuronales Netzwerk, um die spärlichen Features in den zentralen Bereich des Objekts zu verteilen und so das Problem zu lösen Problem der fehlenden Merkmale des Objekts und schließlich Vorhersage basierend auf spärlichen Voxelmerkmalen. SAFDNet kann effiziente Berechnungen mit nur spärlichen Funktionen durchführen und die meisten seiner Strukturdesigns und Hyperparameter stimmen mit den Basis-Hybriddetektoren überein, was eine einfache Anpassung an tatsächliche Anwendungsszenarien zum Ersetzen bestehender Hybriddetektoren ermöglicht. Die spezifische Struktur von SAFDNet wird im Folgenden vorgestellt.

SAFDNet-Gesamtrahmen

Abbildung 6 zeigt den Gesamtrahmen von SAFDNet. Ähnlich wie bestehende Hybriddetektoren besteht SAFDNet hauptsächlich aus drei Teilen: einem 3D-Sparse-Backbone-Netzwerk, einem 2D-Sparse-Backbone-Netzwerk und einem Sparse-Erkennungskopf. Das 3D-Sparse-Backbone-Netzwerk wird verwendet, um 3D-Sparse-Voxel-Features zu extrahieren und diese Features in 2D-Sparse-BEV-Features umzuwandeln. Das 3D-Sparse-Backbone-Netzwerk verwendet das 3D-EDB-Modul, um die Informationsinteraktion zwischen Features über große Entfernungen zu fördern (das 3D-EDB-Modul ist das SED-Modul, das auf 3D-Sparse-Faltung basiert, und das folgende 2D-EDB-Modul ist ähnlich). Das 2D-Sparse-Backbone-Netzwerk empfängt die vom 3D-Spärse-Backbone-Netzwerk ausgegebenen spärlichen BEV-Merkmale als Eingabe. Es klassifiziert zunächst jedes Voxel, um zu bestimmen, ob der geometrische Mittelpunkt jedes Voxels in den Objektbegrenzungsrahmen einer bestimmten Kategorie fällt oder ob es zu dieser gehört Anschließend werden die spärlichen Merkmale durch die AFD-Operation und das 2D-EDB-Modul in den zentralen Bereich des Objekts diffundiert. Dieser Teil ist die Kernkomponente von SAFDNet. Der Sparse-Erkennungskopf erstellt Vorhersagen basierend auf den spärlichen BEV-Merkmalen, die vom 2D-sparse-Backbone-Netzwerk ausgegeben werden. SAFDNet übernimmt das von CenterPoint vorgeschlagene Erkennungskopfdesign und wir haben einige Anpassungen daran vorgenommen, um es an spärliche Funktionen anzupassen. Weitere Einzelheiten finden Sie im Dokument.

Abbildung 6 SAFDNet-Gesamtrahmen

Adaptive Feature Diffusion (AFD)

Da die von Lidar erzeugte Punktwolke hauptsächlich auf der Oberfläche des Objekts verteilt ist, besteht bei der Verwendung eines reinen spärlichen Detektors zum Extrahieren von Features für die Vorhersage das Problem, dass Features in der Objektmitte fehlen. Kann der Detektor also Merkmale extrahieren, die näher am oder in der Mitte des Objekts liegen, und gleichzeitig die Merkmalssparsamkeit so weit wie möglich beibehalten? Eine intuitive Idee besteht darin, spärliche Merkmale auf benachbarte Voxel zu verteilen. Abbildung 6(a) zeigt ein Beispiel einer spärlichen Feature-Map. Der rote Punkt in der Abbildung stellt die Mitte des Objekts dar. Die dunkelorangen Quadrate sind nicht leere Voxel, deren geometrische Zentren innerhalb des Begrenzungsrahmens liegen Die dunkelblauen Quadrate sind nicht leere Voxel, deren geometrisches Zentrum außerhalb des Begrenzungsrahmens des Objekts liegt, und die weißen Quadrate sind leere Voxel. Jedes nicht leere Voxel entspricht einem nicht leeren Merkmal. Abbildung 7(b) wird durch gleichmäßige Diffusion der nicht leeren Merkmale in Abbildung 7(a) in die Umgebung von KxK (K ist 5) erhalten. Diffuse, nicht leere Voxel werden in hellorange oder hellblau angezeigt.

Abbildung 7 Schematische Darstellung der einheitlichen Merkmalsdiffusion und der adaptiven Merkmalsdiffusion

Durch die Analyse der Ausgabe der spärlichen Feature-Map des 3D-Backbone-Netzwerks mit geringer Dichte stellen wir fest, dass: (a) weniger als 10 % der Voxel in den Begrenzungsrahmen fallen des Objekts; (b) Kleine Objekte haben normalerweise Nicht-Null-Merkmale in der Nähe oder auf ihrem zentralen Voxel. Diese Beobachtung legt nahe, dass die Verteilung aller Nicht-Null-Merkmale in einen Bereich gleicher Größe möglicherweise unnötig ist, insbesondere für Voxel innerhalb kleiner Objektbegrenzungsrahmen und in Hintergrundregionen. Daher schlagen wir eine adaptive Merkmalsdiffusionsstrategie vor, die den Diffusionsbereich basierend auf der Position von Voxelmerkmalen dynamisch anpasst. Wie in Abbildung 7(c) dargestellt, bringt diese Strategie Voxelmerkmale innerhalb des Begrenzungsrahmens großer Objekte näher an die Objektmitte, indem diesen Merkmalen ein größerer Diffusionsbereich zugewiesen wird, während gleichzeitig Voxelmerkmale innerhalb des Begrenzungsrahmens von zugewiesen werden kleinen Objekten und im Hintergrundbereich wird Voxelmerkmalen ein kleinerer Diffusionsbereich zugewiesen, um die Merkmalssparsamkeit so weit wie möglich beizubehalten. Um diese Strategie umzusetzen, ist eine Voxelklassifizierung (Voxelklassifizierung) erforderlich, um zu bestimmen, ob der geometrische Mittelpunkt eines nicht leeren Voxels innerhalb des Begrenzungsrahmens einer bestimmten Objektkategorie liegt oder zum Hintergrundbereich gehört. Weitere Einzelheiten zur Voxelklassifizierung finden Sie im Dokument. Durch die Verwendung einer adaptiven Merkmalsdiffusionsstrategie ist der Detektor in der Lage, die Merkmalssparsität so weit wie möglich aufrechtzuerhalten und so von einer effizienten Berechnung dünner Merkmale zu profitieren.

Hauptexperimentelle Ergebnisse

Wir haben die umfassende Leistung von SAFDNet mit den vorherigen besten Methoden verglichen und die Ergebnisse sind in Abbildung 8 dargestellt. Beim Waymo Open-Datensatz mit einem kleineren Erkennungsbereich erreichte SAFDNet eine vergleichbare Erkennungsgenauigkeit mit dem bisher besten reinen Sparse-Detektor FSDv2 und unserem vorgeschlagenen Hybriddetektor HEDNet, aber die Inferenzgeschwindigkeit von SAFDNet ist 2-mal so hoch wie die von FSDv2 und HEDNet 1,2-mal. Im Argoverse2-Datensatz mit großem Erkennungsbereich verbesserte SAFDNet den Indikator mAP um 2,1 % und erreichte im Vergleich zum Hybriddetektor HEDNet das 1,3-fache der Indikatorgeschwindigkeit mAP stieg um 2,6 % und die Inferenzgeschwindigkeit erreichte das 2,1-fache der von HEDNet. Darüber hinaus ist der Speicherverbrauch des Hybriddetektors HEDNet bei großem Erkennungsbereich viel größer als der des reinen Sparse-Detektors. Zusammenfassend lässt sich sagen, dass SAFDNet für verschiedene Erkennungsszenarien geeignet ist und eine hervorragende Leistung aufweist.

Abbildung 8 Wichtigste experimentelle Ergebnisse

Zukünftige Arbeit

SAFDNet ist eine Lösung für den Detektor für reine, spärliche Punktwolken. Gibt es also Probleme? Tatsächlich ist SAFDNet nur ein Zwischenprodukt unserer Idee eines reinen Sparse-Detektors. Der Autor ist der Meinung, dass es zu gewalttätig und nicht prägnant und elegant genug ist. Seien Sie gespannt auf unsere Folgearbeiten!

Die Codes von HEDNet und SAFDNet sind Open Source und jeder ist herzlich eingeladen, sie zu verwenden. Hier ist der Link: https://github.com/zhanggang001/HEDNet