论文标题：SE-SSD: Self-Ensembling Single-Stage Object Detector From Point Cloud

论文链接：https://arxiv.org/abs/2104.09804

代码链接：https://github.com/Vegeta2020/SE-SSD

作者单位：香港中文大学

又快又好！表现SOTA！性能优于SASSD、PV-RCNN等网络，速度高达33 FPS！

我们提出了自集成单阶段3D目标检测器（SE-SSD），用于在室外点云中进行准确，高效的3D目标检测。我们的重点是利用我们制定的约束条件利用软目标和硬目标来共同优化模型，而不会在推理中引入额外的计算量。具体来说，SE-SSD包含一对教师和学生SSD，在其中我们设计了一种有效的基于IoU的匹配策略，以过滤教师中的软目标并制定一致性损失以使学生的预测与它们一致。另外，为了最大限度地利用提炼出来的知识来整合教师，我们设计了一种新的增广方案，以产生形状感知的扩充样本来训练学生，以鼓励其推断出完整的物体形状。最后，为了更好地利用硬目标，我们设计了一个ODIoU损失来监督学生对预测的盒子中心和方向的约束。与之前所有已发表的作品相比，我们的SE-SSD表现最佳。而且，它以超高的推理速度在KITTI基准测试中达到了最高的汽车检测精度（分别在BEV和3D排行榜上排名第一和第二）。 

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