False Positive Sampling-based Data Augmentation for Enhanced 3D Object Detection Accuracy

要約

最近の研究は、3D オブジェクト検出モデルのパフォーマンスの向上に焦点を当てています。
さまざまなアプローチの中で、グラウンド トゥルース サンプリングは、限られたグラウンド トゥルース データによってもたらされる課題に対処するための拡張技術として提案されています。
ただし、グラウンドトゥルース サンプリングに固有の問題は、誤検知が増加する傾向があることです。
したがって、この研究は、偽陽性サンプリングと呼ばれる新しい拡張技術を開発することにより、グラウンドトゥルース サンプリングの限界を克服し、3D 物体検出モデルのパフォーマンスを向上させることを目的としています。
偽陽性サンプリングには、モデルの予測で偽陽性として識別された点群を使用してモデルを再トレーニングすることが含まれます。
我々は、グラウンドトゥルースと偽陽性サンプリングの両方を利用するアルゴリズムと、偽陽性サンプルデータベースを構築するためのアルゴリズムを提案する。
さらに、偽陽性サンプリングによるパフォーマンス向上の背後にある原理を分析し、偽陽性サンプリング手法とグラウンドトゥルース サンプリング手法の両方を含むサンプリング戦略にカリキュラム学習の概念を適用する手法を提案します。
私たちの実験では、偽陽性サンプリングを利用したモデルが偽陽性を削減し、物体検出パフォーマンスが向上していることを示しています。
KITTI および Waymo Open データセットでは、偽陽性サンプリングを含むモデルがベースライン モデルを大幅に上回っています。

要約(オリジナル)

Recent studies have focused on enhancing the performance of 3D object detection models. Among various approaches, ground-truth sampling has been proposed as an augmentation technique to address the challenges posed by limited ground-truth data. However, an inherent issue with ground-truth sampling is its tendency to increase false positives. Therefore, this study aims to overcome the limitations of ground-truth sampling and improve the performance of 3D object detection models by developing a new augmentation technique called false-positive sampling. False-positive sampling involves retraining the model using point clouds that are identified as false positives in the model’s predictions. We propose an algorithm that utilizes both ground-truth and false-positive sampling and an algorithm for building the false-positive sample database. Additionally, we analyze the principles behind the performance enhancement due to false-positive sampling and propose a technique that applies the concept of curriculum learning to the sampling strategy that encompasses both false-positive and ground-truth sampling techniques. Our experiments demonstrate that models utilizing false-positive sampling show a reduction in false positives and exhibit improved object detection performance. On the KITTI and Waymo Open datasets, models with false-positive sampling surpass the baseline models by a large margin.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google