3D目标检测,看名字带RCNN就知道是两阶段,强调了plug and play,即插即用,也就意味着适用于各种点云数据集,因此输入并不会包括kitti中的点云反射率等数据集独有的量,而仅仅包括了点的坐标。顺带一提,这种plug and play的思想可能永远轮不到多模态,毕竟各大数据集的标定格式都不大一样,坐... 查看原文 论文阅读速记
代码链接:GitHub - TuSimple/LiDAR_RCNN 论文来源:2021CVPR 1 Motivation 通过对之前二阶段目标检测框架的分析,发现R-CNN网络不知道proposal的大小,即存在尺寸模糊问题,本文基于此展开实验和分析。 2 Abstract LIDAR R-CNN是一个二阶段的3D目标检测框架,且是一个即插即用的模块。通过对之前工作的分析,简单使用point...
2021CVPR——LiDAR R-CNN: An Efficient and Universal 3D Object Detector,程序员大本营,技术文章内容聚合第一站。
This is the official code of LiDAR R-CNN: An Efficient and Universal 3D Object Detector. In this work, we present LiDAR R-CNN, a second stage detector that can generally improve any existing 3D detector. We find a common problem in Point-based RCNN, which is the learned features ignore...
1. lidar RCNN主要创新点在second stage,文章中称为 point based RCNN , 任何其他的模型都可以将其second stage替换为lidar RCNN提出的head。文章中将此head夹在任何一个detector的后面都能提升效果。 2. 实时性,准确率高,属于point based,不是voxel based. 效率高到,可以在2080Ti上,每帧128个proposal的前提下...