摘要
自動運転の道路シナリオにおけるPointPillarの点群における希薄な小物体検出性能の低さの問題に対し、多尺度特徴融合戦略と注意機構を導入し、点群物体検出ネットワークPillar-FFNetを提案する。ネットワーク内の特徴抽出問題に対し、残差構造に基づくバックボーンネットワークを設計し、検出ヘッドに入力される特徴マップが高レベル特徴のセマンティック情報と低レベル特徴の空間情報を十分に活用していない問題に対しては、シンプルかつ効果的な多尺度特徴融合戦略を設計した。バックボーンネットワークが抽出した特徴マップの情報冗長性の問題に対しては、畳み込み注意機構を提案した。提案したアルゴリズムの性能を検証するため、KITTIおよびDAIR-V2X-Iデータセットで実験を実施した。実験結果は、提案したアルゴリズムがKITTIデータセットにおいてPointPillarと比べて車両、歩行者およびライダーの平均精度をそれぞれ最大で0.84％、2.13％、4.02％向上させ、DAIR-V2X-Iデータセットにおいてもそれぞれ0.33％、2.09％、4.71％向上させたことを示し、本手法の点群における希薄な小物体検出に対する有効性を示した。
关键词
小物体検出;点群希薄;PointPillar;残差構造;多尺度特徴融合;畳み込み注意
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website