IA-SSD

Not All Points Are Equal:IA-SSD
- Motivation
- Contribution
- Keyknowledge
- - Instance-aware Downsampling Strategy
  - Contextual Instance Centroid Perception
- Loss
- Experiment
- - 采样方法在KITII验证集上的对比
  - 不同的方法在KITTI测试集上的检测性能定量对比

Not All Points Are Equal:IA-SSD

写在前面：与最近读的RandLa-Net的切入点类似：downsampling的方法。

Motivation

目前的Point-Based的方法都使用"task-agnostic"（与检测本身无关）的采样方法：Random、D-FPS、Feat-FPS。对于这些采样方法都忽略了：“对于检测任务来说，前景点比背景点更重要”。

Contribution

本文提出了两个"learnable, task-oriented, instance-aware"采样方法（与检测任务相关的可以感知实例的学习方法）。
基于采样方法提出了一个高效的模型IA-SSD。
在KITTI、Waymo、ONCE数据集上进行了大量实验。

Keyknowledge

Instance-aware Downsampling Strategy

Class-aware Sampling
训练分支学习点语义信息*，预测每一个点的前景点概率分数，取前k大的作为采样点送入下一层。
损失函数使用普通的交叉熵：

与Feature-FPS的区别：本文想要尽可能多的前景点，而F-FPS想要的是特征差距尽可能大的点。
Centroid-aware Sampling
在Class-aware Sampling的基础上引入中心掩码mask：

mask与3DSSD中的中心度相同：

利用中心掩码对交叉熵loss进行加权，来提高接近中心点被采样的可能，尽可能地保留中心点（考虑到实例中心估计是最终目标检测的关键）：

Contextual Instance Centroid Perception

Contextual Centroid Prediction
遵循VoteNet的方法预测一个与中心的偏移，同时加入了一项正则化，使得每一个实例的中心预测都被聚合，减少预测中心偏移的不稳定性：

与VoteNet仅利用BBox内的点预测中心点不同，本文也利用周围的代表点：手动扩展BBox，或者按比例放大该框，以覆盖物体附近更多相关的上下文信息。
Centroid-based Instance Aggregation
对每一个中心点，使用PointNet++学习实例的特征：将相邻点转化为局部正则坐标系，然后通过shared mlp和对称函数对点特征进行聚合。
Proposal Generation Head
根据聚合的实例特征进行BBox的预测，然后进行3D-NMS后处理。

Loss

将多个loss相加联合优化，实现端到端训练。

Experiment

采样方法在KITII验证集上的对比

在采样点数少的情况下（256points）文章提出的两个采样对实例的采样比例明显由于其他采样方法。同时Feature-FPS考虑到了每个点的特征，因此对实例的采样比例也是高于random与D-FPS。

不同的方法在KITTI测试集上的检测性能定量对比

IA-SSD在Car、Cyc两个实例上效果较好，在Point-based的方法中精度较高，但是低于PV_RCNN，并且在Ped实例上效果较差。同时检测速度高于其他所有方法。

CVPR2022——Not All Points Are Equal : IA-SSD相关推荐

【3D 目标检测】Not All Points Are Equal Learning Highly Efficient Point-based Detectors for 3D LiDAR Point
Not All Points Are Equal Learning Highly Efficient Point-based Detectors for 3D LiDAR Point Cloud 一 ...
Not All Points Are Equal: Learning Highly Efficient Point-based Detectors for 3D LiDAR Point Clouds
每日论文--CVPR2022目标检测论文解读论文解读本文基于point_base的方法实现了高效的3D检测器IA-SSD,作者认为,使用传统的FPS方法会丢失大量前景点,导致检测recall下降 ...
CVPR2022论文速递（2022.3.22）！共25篇多篇3D目标检测
整理:AI算法与图像处理 CVPR2022论文和代码整理:https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo 欢迎关注: Transfor ...
计算机图形几何算法详解勘误
一直在看<计算机图形几何算法详解>这本书,但是在用的过程中发现了一些错误,一直以为是自己的错误,后来在网上找到了这本书的勘误信息,不过是英文原版的,但是还是想贴出来,以便查找 07 Jul ...
CVPR 2022 论文列表
CVPR2022 Papers (Papers/Codes/Demos) https://github.com/gbstack/cvpr-2022-papers 分类目录: 1. 检测 2. 分割(S ...
双圆弧插值算法（三，代码实现）
双圆弧插值算法(三,代码实现) 交互式演示这是一个用HTML5编写的交互式演示.要移动控制点,请单击并拖动它们.若要移动切线,请单击并拖动控制点外的区域.默认情况下,曲线保持d1和d2相等,但也可以 ...
Ext JS 4.1 RC2 Released发布
原文:http://www.sencha.com/blog/ext-js-4-1-rc-2-released/ Today we're making available Ext JS 4.1 RC2, ...
CodeForces - 1058D D. Vasya and Triangle
D. Vasya and Triangle time limit per test1 second memory limit per test256 megabytes inputstandard i ...
《C++ Primer 5th》笔记（3 / 19）：字符串、向量、迭代器和数组
文章目录命名空间的using声明标准库类型string 定义和初始化string对象直接初始化和拷贝初始化 string对象上的操作读写string对象读取未知数量的string对象使用g ...

CVPR2022——Not All Points Are Equal : IA-SSD