开源 | CVPR2020 深度立体几何网络（DSGN）性能高于KITTI榜上其它基于立体的3D物体探测器（AP高出10个）

论文地址：http://arxiv.org/pdf/2001.03398v2.pdf 代码：https://github.com/chenyilun95/dsgn. 来源： 中国香港大学 论文名称：DSGN: Deep Stereo Geometry Network for 3D Object Detection 原文作者：Yilun Chen

目前大部分最先进的三维物体探测器严重的依赖于激光雷达传感器，但由于三维场景中预测的不准确，造成基于图像的方法与基于激光雷达的方法在性能上存在较大差距。为了减少这种差距，本文提出了深度立体几何网络(Deep Stereo Geometry Network, DSGN)。该网络通过在可微体积表示的三维几何体积上检测三维物体，有效地将三维几何结构编码到三维规则空间中，从而大大减小了这种差异。通过这种表现形式，可同时学习深度信息和语义线索。在本文中，首次提供了一种简单而有效的单级立体三维检测方式，即以端到端学习的方式联合估计深度和检测三维物体。实验结果表明，本文提出的网络优于以前的所有基于立体的3D探测器(AP大约高10个)，甚至在KITTI 3D目标检测排行榜上与一些基于LiDAR的方法性能不相上下。

下面是论文具体框架结构以及实验结果：

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请联系删除。