IDMS: Instance Depth for Multi-scale Monocular 3D Object Detection

要約

画像の深度情報が不足しており、単眼 3D オブジェクト検出の検出精度が低いため、マルチスケール単眼 3D オブジェクト検出方法のインスタンス深度を提案しました。
最初に、異なるスケール ターゲットに対するモデルの処理能力を強化するために、膨張畳み込みに基づくマルチスケール認識モジュールが設計され、マルチスケール情報を含む深度フィーチャが、フィーチャ間の不一致を考慮して、空間方向とチャネル方向の両方から再調整されます。
さまざまな縮尺の地図。
まず、さまざまなスケール ターゲットに対するモデルの処理能力を強化するために、膨張畳み込みに基づくマルチスケール認識モジュールを設計しました。
マルチスケール情報を含む深度フィーチャは、異なるスケールのフィーチャ マップ間の不一致を考慮して、空間およびチャネル方向から再調整されます。
第二に、モデルがより良い 3D 認識を得るために、この論文では、インスタンス深度情報を補助学習タスクとして使用して 3D ターゲットの空間深度機能を強化し、スパース インスタンス深度を使用して補助タスクを監視することを提案しました。
最後に、KITTI のテスト セットと評価セットで提案されたアルゴリズムを検証することにより、実験結果は、ベースラインの方法と比較して、提案された方法が車のカテゴリの AP40 で 5.27\% 向上し、単眼鏡の検出性能が効果的に向上することを示しています。
3D オブジェクト検出アルゴリズム。

要約(オリジナル)

Due to the lack of depth information of images and poor detection accuracy in monocular 3D object detection, we proposed the instance depth for multi-scale monocular 3D object detection method. Firstly, to enhance the model’s processing ability for different scale targets, a multi-scale perception module based on dilated convolution is designed, and the depth features containing multi-scale information are re-refined from both spatial and channel directions considering the inconsistency between feature maps of different scales. Firstly, we designed a multi-scale perception module based on dilated convolution to enhance the model’s processing ability for different scale targets. The depth features containing multi-scale information are re-refined from spatial and channel directions considering the inconsistency between feature maps of different scales. Secondly, so as to make the model obtain better 3D perception, this paper proposed to use the instance depth information as an auxiliary learning task to enhance the spatial depth feature of the 3D target and use the sparse instance depth to supervise the auxiliary task. Finally, by verifying the proposed algorithm on the KITTI test set and evaluation set, the experimental results show that compared with the baseline method, the proposed method improves by 5.27\% in AP40 in the car category, effectively improving the detection performance of the monocular 3D object detection algorithm.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google