结合图采样和图注意力的3D目标检测方法
Computer Engineering and Applications(2023)
摘要
在点云中进行三维目标检测时,小目标和复杂背景下目标的检测精度不足是突出的问题之一.针对该问题,提出了一种基于图采样和图注意力机制的3D点云目标检测方法.减小基准网络下采样体素大小以保持小目标的点云密度;引入图采样降低在点云中构造拓扑图的代价;通过对图采样前后的图分别嵌入自注意力机制,提高网络的特征提取能力.在KITTI数据集上与基准网络Point-GNN相比,对汽车目标在复杂场景上的检测精度提升了1.96%,对行人与骑行者目标在中等难度场景和复杂场景上的检测精度分别提升4.21%和2.57%;与Point-GNN相比,减少了15%的训练时间.实验结果表明,设计的方法对于3D点云中小目标和复杂背景下目标的检测更加有效,图采样方法还能够提升模型的训练效率.
更多查看译文
关键词
point cloud,3D object detection,graph neural network,graph sampling,graph attention mechanism
AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要