Temel Kavramlar
Die Einführung einer neuen Methode zur Stichprobenauswahl, Point Assisted Sample Selection (PASS), verbessert die Leistung von Anchor-basierten LiDAR 3D Objekterkennern signifikant.
Özet
Die Arbeit untersucht die Herausforderungen bei der Stichprobenzuweisung in der LiDAR 3D Objekterkennung und präsentiert die PASS-Methode als Lösung. Es wird gezeigt, wie die Kombination von IoUbox und IoUpoint die Genauigkeit der Objekterkennung verbessert.
Hintergrund und Motivation: Notwendigkeit der präzisen 3D Objekterkennung für autonome Fahrzeuge.
Analyse der bestehenden Methoden: Unterschiede zwischen Anchor-basierten und Anchor-freien Ansätzen.
Problemdefinition: Ambiguität bei der Stichprobenzuweisung in Anchor-basierten Methoden.
Vorgeschlagene Lösung: PASS-Methode zur Verbesserung der Stichprobenauswahl.
Experimente und Ergebnisse: Verbesserung der Leistung von Anchor-basierten Detektoren durch PASS.
İstatistikler
Die IoUbox-basierte Methode trennt Anker direkt durch Vergleich von S = IoUbox zu {Tpos, Tneg}.
Für die KITTI-Datensätze sind die Schwellenwerte {Tpos, Tneg} in der Regel auf {0,6, 0,45} für Autos und {0,5, 0,35} für Fußgänger und Radfahrer eingestellt.
Die PASS-Methode verbessert die mAP auf dem KITTI-Validierungsset um bis zu 3,65% für Radfahrer.
Alıntılar
"Die PASS-Methode eliminiert die Stichprobenzuweisungsambiguität und verbessert die Leistung von Anchor-basierten LiDAR 3D Objekterkennern signifikant."