.png){kind=icon}
返回
A semi-supervised 3D object detection method for autonomous driving
.png){kind=icon}
PRE
AI
DOI：10.1016/j.displa.2021.102117.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
3D目标检测对于自动驾驶非常重要，但是大多数算法严重依赖于数据注释，这是一项艰巨的工作。半监督学习是减少此任务中繁重的注释负担的有效策略。本文提出了一种半监督的三维物体检测方法。为了减少3D标注的工作量，我们采用师生框架从未标记的训练数据中生成伪标签，并使用标签过滤方法来提高伪标签质量。为了便于部署，我们介绍了简单快速的一级目标检测器。我们在KITTI数据集上验证了我们的方法。对于适度的汽车检测任务，与使用所有标签的点柱的77.34地图相比，我们的方法可以使用半标签实现76.28地图。实验结果表明，我们的方法也可以用更少的标签在行人和骑车人检测任务上达到近似性能。
Keyword:
Semi-supervised
3D object detection
Autonomous driving
期刊
IF:
3.4
论文数:
2.3K
被引数:
3.2K
机构
暂无机构信息
引用论文
.png){kind=icon}
Conductivity Enhancement in Thin Silicon-on-Insulator Layer Embedding Artificial Dislocation Network
PREAI
分享收藏
查看更多内容