基于知识蒸馏和定位引导的Pointpillars点云检测网络
激光雷达数据由于其几何特性,被广泛应用于三维目标检测任务中.由于点云数据的稀疏性和不规则性,难以实现特征提取的质量和推理速度间的平衡.本文提出一种基于体柱特征编码的三维目标检测算法,以Pointpillars网络为基础,设计Teacher-Student模型框架对回归框尺度进行蒸馏,增加蒸馏损失,优化训练网络模型,提升特征提取的质量.为进一步提高模型检测效果,设计定位引导分类项,增加分类预测和回归预测之间的相关性,提高物体识别准确率.本网络所做改进没有引入额外的网络嵌入.算法在KITTI数据集上的实验结果表明,相比于基准网络,在三维模式下的平均精度值从 60.65%提升到了 64.69%,鸟瞰图模式下的平均精度值从 67.74%提升到 70.24%.模型推理速度为45 FPS,在提升检测精度的同时满足了实时性要求.
激光点云、三维目标检测、知识蒸馏、分类置信度
39
TP391.4(计算技术、计算机技术)
2024-02-01(万方平台首次上网日期,不代表论文的发表时间)
共10页
79-88