【3D目标检测】Is Pseudo-Lidar needed for Monocular 3D Object detection?
创始人
2024-06-02 03:11:06
0

目录

  • 概述
  • 细节
    • 背景
    • 网络结构
    • 3D检测头
    • 损失函数
    • 深度预训练
    • 讨论

概述

【2021】【DD3D】
研究的问题:

  • 如何引入获得空间信息
  • 如何增强深度估计效果

解决的方法:

  • 密集深度估计子网络
  • 大规模数据集下的深度估计预训练

细节

背景

背景:基于伪点云的算法能够随着深度估计效果的提升而提升,比如在大规模数据集中预训练的深度估计网络能够很好的提升伪点云算法的效果,但是单目深度估计这个任务很困难。简单且端到端的3D检测器似乎更有前景,但他们无法受益于深度估计网络的预训练。因此作者提出了一个端到端且能够受益于深度预训练的网络。
本文方法与伪点云方法的流程比较:
在这里插入图片描述

单目3D目标检测的分类:

  • 将2D检测器的结果通过形状和场景几何等信息提升到3D空间
  • 利用2D/3D之间的几何一致性约束,将检测任务变为优化问题
  • 视图转换的方法,将图像转换为点云、鸟瞰图等

网络结构

主要分为两部分:特征提取网络和检测头。特征提取网络中提取多尺度特征,但每个尺度特征对应的检测头都是一样的,也就是分类头、2D检测头和3D检测头。
其中,分类头以及2D检测头和FCOS中的定义相同,关键是3D检测头。
在这里插入图片描述

3D检测头

任务:3D检测头负责预测3D边界框、稠密深度图以及置信度,总共12个参数
前四个参数(qw,qx,qy,qz)(q_w,q_x,q_y,q_z)(qw​,qx​,qy​,qz​)表示方向参数,作者这里预测3个方向,而不是平常的一个方向
两个深度参数zcz_czc​与zpz_pzp​,前者是目标的z坐标,只与目标对应的特征有关,后者是到目标表面的深度,与图像中每个像素都有关,通过zcz_czc​与zpz_pzp​可以计算得到真正的深度dcd_cdc​与dpd_pdp​,其中涉及到的参数都是已知的。可以发现计算p的过程中用到了相机内参(焦距),作者说这种设计使得网络是具有相机意识的,也就是不仅从输入图像中推断深度,还从像素大小推断深度,而这对于训练的稳定很有用。实践中,输入图像的尺寸改变之后,作者也会对内参矩阵进行变换,最终求的的深度图也会做上采样。(因为在作者的设计中,计算深度考虑到了像素)
在这里插入图片描述

位置参数(Δu,Δv)(\Delta u,\Delta v)(Δu,Δv),具体的位置计算如下:
在这里插入图片描述
尺寸参数(δW,δH,δD)(\delta W,\delta H,\delta D)(δW,δH,δD),具体的尺寸计算如下:
在这里插入图片描述
其中(W0,H0,D0)(W_0,H_0,D_0)(W0​,H0​,D0​)是数据集中各类别的平均尺寸

置信度参数β3D\beta_{3D}β3D​,具体的边界框置信度计算如下:
在这里插入图片描述
作者将边界框置信度乘上前面分类头的分类置信度,得到最终的置信度。

损失函数

主要是三个检测头的损失,包括2D检测损失,3D检测算是以及置信度损失
在这里插入图片描述
其中2D检测损失是与FCOS完全相同的,3D检测损失用的是Disentangling Monocular 3D Object Detection中提到的disentangled L1 loss作为回归损失,置信度损失用的是自监督损失,在这里插入图片描述

深度预训练

作者在深度估计任务下做预训练,能够使得网络得到更准确的空间信息。具体的过程是:DD3D中作者先用一组在COCO数据集上预训练的2D目标检测参数初始化了特征提取网络FPN,然后将深度估计网络放到DDAD15M数据集上预训练,然后在KITTI-3D中训练。

在深度预测数据集中做密集深度预测(数据集的gt就是点云投影得到的深度图),训练时采用的深度损失如下:
在这里插入图片描述
作者发现:

  • 使用FPN产生的多尺度特征,而不是单一尺度特征,进行预测会使训练更加稳定
  • 使用L1 loss、较大的batch-size以及尺寸输入会比在深度估计任务中常用的SILog loss效果好
  • 因为作者在设计深度参数的时候采用了相机内参,因此在做迁移的时候会更加有效

讨论

大规模深度预训练真的有用吗?去除COCO数据集的初始化参数会导致效果小幅下降,但是去掉DDAD 15M这个大数据集的预训练之后,效果显著下降。
在这里插入图片描述
深度预训练真的有用吗?作者分别使用2D检测和深度估计作为预训练,发现在深度估计数据集上预训练效果更好。
在这里插入图片描述
预训练数据集的大小?作者发现随着预训练数据集的增大,带来的提升也越来越大
在这里插入图片描述

伪点云方法中预训练的问题1——需要微调:
DD3D的训练中作者先用一组在COCO数据集上预训练的2D目标检测参数初始化了特征提取网络FPN,然后将深度估计网络放到DDAD15M数据集上预训练,然后在KITTI-3D中训练。
PL的训练,作者先DDAD15M数据集上预训练,然后在KITTI-depth上微调,最后KITTI-3D中训练。
原因是作者发现,没有KITTI-depth上的微调,会导致PL性能的大幅下降。差不多就是不进行微调的话,预训练就没用了(而DD3D则不需要微调)
在这里插入图片描述

伪点云方法中预训练的问题2——泛化性能相对较差:
在验证集上PL的方法会比DD3D好一些,但是测试集上PL的方法会比DD3D低很多

相关内容

热门资讯

海口江东新区锚定“4+X”产业...  澎湃“园”动力  ——2025年海南自贸港重点园区高质量发展全媒体调研行  海口江东新区锚定“4+...
抛售一切,人人都是惊弓之鸟 来源:华尔街情报圈全球市场周一再度陷入无差别抛售模式,人人都是惊弓之鸟:- 美股期货开盘即暴跌,纳斯...
博时中证500ETF联接财报解... 2025年3月31日,博时基金管理有限公司发布博时中证500交易型开放式指数证券投资基金发起式联接基...
记者走基层|一部手机“装”着6... 转自:河北新闻网4月1日,在邢台市南和区阎里村金沙河种植基地,技术人员操作无人机进行智慧巡检。 河北...
国富匠心精选混合财报解读:份额... 2025年3月31日,国海富兰克林基金管理有限公司发布了富兰克林国海匠心精选混合型证券投资基金202...
红利、科技来到“十字路口”,该... 来源:券商中国年初的行情由科技股提振,但指数在2月下旬即开始震荡徘徊,大放异彩的科技股在到达高位后亦...
红相股份质押触发鹰眼“高风险”... 截止2025年4月5日,红相股份(维权)整体质押股份为2732.00万股,整体质押占总股本之比为5....
20分钟涨了近150元,酒店“... “边下单边涨价,时间相差20分钟,价格却涨了近150元。”今天,重庆的李女士告诉记者,她于3月12日...
盈趣科技公司整体质押比例30.... 截止2025年4月5日,盈趣科技整体质押股份为2.37亿股,整体质押占总股本之比为30.52%,累计...
志邦家居质押触发鹰眼“高风险”... 截止2025年4月5日,志邦家居整体质押股份为1310.00万股,整体质押占总股本之比为3.00%,...
盛新锂能质押触发鹰眼“高风险”... 截止2025年4月5日,盛新锂能整体质押股份为1.29亿股,整体质押占总股本之比为14.05%,累计...
电商赋能社区 创业引领未来   为培育电商人才队伍,近日,由新区商务局主办,新区秦岭社区、铜川市鸿驰职业技能培训学校承办的“电商...
华夏核心制造混合财报解读:份额... 华夏核心制造混合型证券投资基金2024年年报已发布,报告期内基金份额总额减少19.9%,净资产合计减...
益佰制药质押触发鹰眼“风险”评... 截止2025年4月5日,益佰制药(维权)整体质押股份为1.21亿股,整体质押占总股本之比为15.29...
武契奇提名新总理 据央视新闻消息,当地时间4月6日,塞尔维亚总统武契奇发表全国讲话,宣布向国民议会提名久罗·马楚特(Đ...
京威股份核心股东质押比例67.... 截止2025年4月5日,京威股份整体质押股份为3.25亿股,整体质押占总股本之比为21.64%,累计...
记者走基层|纸业“活化石”焕彩... 转自:河北新闻网4月2日,在河北桑皮纸文化传播有限公司,造纸师傅正取下晾晒好的桑皮纸。 河北日报记者...
ST联创质押触发鹰眼“高风险”... 截止2025年4月5日,ST联创(维权)整体质押股份为3063.00万股,整体质押占总股本之比为2....
奥康国际公司整体质押比例32.... 截止2025年4月5日,奥康国际(维权)整体质押股份为1.31亿股,整体质押占总股本之比为32.68...
龙大美食质押触发鹰眼“风险”评... 截止2025年4月5日,龙大美食整体质押股份为1.16亿股,整体质押占总股本之比为10.74%,累计...