【ECCV-2020】SSN：一种用于从点云检测多类目标的形状特征网络 SSN: Shape Signature Networks for Multi-class Object Detection from Point Clouds 【推荐理由】多类别三维目标检测的目标是对点云中的多类别目标进行定位和分类。本文作者指出，由于点云的非结构化、稀疏性和噪声等特性，一些有利于多类别区分的特征没有得到充分利用，例如形状信息。本文提出了一种新的三维形状特征来探索点云中的形状信息。通过引入对称、凸包（convex hull）和切比雪夫拟合等操作，所提出的形状特征不仅紧凑有效，而且对噪声具有较强的鲁棒性，可以作为一个软约束来提高特征的多类别区分能力。基于提出的形状特征，作者开发了用于三维目标检测的形状特征网络（SSN），该网络由金字塔特征编码部分，形状感知分组头（shape-aware grouping heads）和显式形状编码目标组成。实验表明，该方法在两个大规模数据集上的性能明显优于现有的方法。此外，该形状特征可以作为一个即插即用的组件，文中的消融实验表明它的有效性和良好的可扩展性。 【论文链接】https://arxiv.org/abs/2004.02774 【代码链接】https://github.com/xinge008/SSN

内容中包含的图片若涉及版权问题，请及时与我们联系删除