【活动通知】SFFAI97×CRIPAC 三维点云检测专题

SFFAI 合作机构 CRIPAC 简介

智能感知与计算研究中心（www.cripac.ia.ac.cn）为中科院自动化研究所独立建制的科研部门，致力于研究泛在智能感知理论与技术以及与之相伴的海量感知数据的智能分析与处理。瞄准国际学科前沿，面向国家公共安全、智能产业发展等重大战略需求，着眼于基础理论创新与关键技术突破以及系统解决方案的研制，努力打造成为国际一流的研究中心，是集人才培养、技术创新、产业孵化为一体的创新平台。中心目前主要在多模态智能计算、生物识别与安全、生物启发的智能计算、智能感知基础理论四个方面展开科学研究。

会议内容

会议简介

随着激光雷达在机器人，无人车的领域的推广应用，三维点云的相关处理技术作为高精地图、高精定位、环境检测等方向的核心模块越来越受到重视。现有的在点云中定位物体的单阶段检测器通常将物体定位和类别分类视为分开的任务，因此定位精度和分类置信度可能无法很好地对齐。本期我们邀请到了来自香港中文大学的郑武同学，分享他提出的新型检测方法，解决此问题。

讲者介绍

郑武，香港中文大学二年级博士研究生，本科毕业于清华大学自动化系，主要研究方向是自动驾驶场景下基于点云的三维物体检测。

会议题目

CIA-SSD：Confident IoU-Aware Single Stage Object Detector From Point Cloud

会议摘要

我们提出了一种新的单阶物体检测器，称为自信的IoU可知的单阶物体检测器（CIA-SSD）。首先，我们设计了轻量的空间语义特征聚合模块，以自适应地融合高级抽象语义特征和低级空间特征，用于准确预测边界框和分类置信度。另外，使用我们设计的IoU可知的置信度校正模块可以进一步校正预测的置信度，以使置信度与定位精度更加一致。基于校正后的置信度，我们进一步构造了距离可变的IoU加权NMS，以获得更平滑的回归并避免冗余的预测。我们将CIA-SSD在KITTI测试集中对3D汽车检测进行了测试，结果表明，它在官方排名尺度(Moderate AP)上取得了最高性能, 并达到了32 FPS的实时推理速度，优于所有以前的单阶段检测器。

论文的代码在: https://github.com/Vegeta2020/CIA-SSD

会议亮点

1、本文提出了一种适用于单阶物体检测器的IoU可知的置信度校正模块；

2、本文设计了一种轻量的空间语义聚合模块以提取更加鲁棒的BEV特征；

3、本文构造了考虑深度因素的DI-NMS方法用于获取更加平滑的边界框回归并避免冗余的预测框；

4、我们所提出的CIA-SSD是目前KITTI数据集上性能最优的单阶物体检测器。

直播时间

2021年1月17日（周日）20:00-21:00  线上直播

关注本公众号，对话框回复“SFFAI97”，获取入群二维码

注：直播地址会分享在交流群内

论文推荐

“ 《SFFAI 97期—三维点云检测专题》来自来自香港中文大学的郑武同学推荐的文章主要关注于三维点云检测领域，你可以认真阅读讲者推荐的论文，来与讲者及同行线上交流哦。”

关注文章公众号

回复"SFFAI97"获取本主题精选论文

01

推荐理由：目前KITTI汽车检测上性能最佳的单阶点云物体检测器，具有最高的检测精度和超高的检测效率，目前已在Github放出源码。

—— 郑武

02

推荐理由：这篇论文是我们论文之前的最优单阶点云物体检测器，它通过设计基于点云分割和回归的辅助任务，在获取结构信息更加丰富的特征的同时，并未降低检测效率。

—— 郑武

03

推荐理由：这篇论文融合了基于点坐标间距离和点特征间距离的采样策略用于点云的下采样，并采用一种3D中心分配策略用于计算回归目标，结合无anchor的检测头，取得了较好的性能。

—— 郑武

04

推荐理由：基于稀疏卷积的backbone大幅提升了网络检测的效率，它所提出的ground truth增广策略也得到大量后续检测工作的直接沿用。

—— 郑武

05

推荐理由：比较早期的将点云体素化后用3D和2D卷积层提取特征的检测器，奠定了基于体素的检测器的基础。

—— 郑武

06

推荐理由：目前在KITTI数据集上性能最优的二阶检测器，这篇文章在聚合第一阶网络所提取的特征用于第二阶网络的预测修正上所采用的方法比较有代表性。

—— 郑武

SFFAI招募！

现代科学技术高度社会化，在科学理论与技术方法上更加趋向综合与统一，为了满足人工智能不同领域研究者相互交流、彼此启发的需求，我们发起了SFFAI这个公益活动。SFFAI每周举行一期线下活动，邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果，使专注于各个细分领域的研究者开拓视野、触类旁通。

SFFAI目前主要关注机器学习、计算机视觉、自然语言处理等各个人工智能垂直领域及交叉领域的前沿进展，将对线下讨论的内容进行线上传播，使后来者少踩坑，也为讲者塑造个人影响力。SFFAI还在构建人工智能领域的知识森林—AI Knowledge Forest，通过汇总各位参与者贡献的领域知识，沉淀线下分享的前沿精华，使AI Knowledge Tree枝繁叶茂，为人工智能社区做出贡献，欢迎大家关注SFFAI论坛：https://bbs.sffai.com。

SFFAI历史活动

更多SFFAI历史活动

请点击文章底部“阅读原文”查看

分享、点赞、在看，给个三连击呗！