不确定性建模在2D和3D目标检测中的应用

摘要：

目标检测算法在自动驾驶领域有着不可或缺的地位,其检测精度和速度往往可以作为评判一个自动驾驶系统好坏的标准.如何提升目标检测精度和速度已成为当前目标检测算法的主要研究方向.对此,提出了一种基于不确定性建模的目标检测改进算法,在原有二维单次多柜检测器上通过对物体的边界框进行高斯建模并引入新的位置损失函数,实现对原有检测结果的微调.同时,在原有单阶单目三维检测器的基础上引入深度以及航向角的不确定性来调整目标在热力图中的高斯半径,并用马氏距离替代原有的L1距离以提升对较远目标和斜向目标的识别率.对比实验证明,改进后的2D和3D检测算法在KITTI自动驾驶数据集上对比原始2D和3D算法,检测精度分别提升了近5％和2％.

关键词：深度学习、目标检测、自动驾驶、不确定性建模

所属期刊栏目：45

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金62073015

在线出版日期：2023-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2370-2376