当前位置：网站首页>SCNet：Semantic Consistency Networks for 3D Object Detection

SCNet：Semantic Consistency Networks for 3D Object Detection

2022-08-11 05:23:00 【zhSunw】

框架采用VoteNet和PointNet++作为pipeline.
在这里插入图片描述

  • Semantic Voting：将语义信息也作为每个点投票（预测）的信息
    在这里插入图片描述
  1. 两个MLP分支分别完成正常VoteNet的投票（xyz坐标与feature特征）和Semantic Vote
  2. 将每个点的两个分支预测结果相结合
  • Loss Function
    在这里插入图片描述
    设置超参数权重对各个任务loss进行加权
  • Semantic Consistency Mechanism and Loss
    在这里插入图片描述
    如上图所示，以每个BBox的中心为球心，设置半径为0.2m的球内的点进行语义一致性loss计算：
    在这里插入图片描述
    pi为BBox的预测概率，sj为每个查询点的语义信息。
    可以使得模型能够学习到几何信息和语义信息之间的关系，让预测BBOX更准确。
原网站

版权声明
本文为[zhSunw]所创，转载请带上原文链接，感谢
https://blog.csdn.net/ylwhxht/article/details/124479724

边栏推荐

猜你喜欢

随机推荐