.png){kind=icon}
返回
KNN improved Transformer for 3D object detection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.image.2026.117488.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，自动驾驶感知中的3D目标检测在工业界受到了广泛关注。由于自身特性，激光雷达已成为最常用且必不可少的传感器。然而，基于体素的网络在体素化过程中常丢失上下文信息，这对小目标的检测产生负面影响。为解决激光雷达检测中准确率低的问题，特别是针对小目标类别，本文提出了一种改进的Transformer结构。Transformer是一种能够捕捉数据中长距离依赖和上下文关系的深度学习模型。在我们的方法中，引入了k近邻（KNN）算法，该算法是一种用于识别空间中最近邻点的方法，用以增强点云之间的空间关系。这种结合使模型能更好地捕获上下文信息，强化特征提取，并显著减少漏检和误检。我们的方法设计为即插即用，可直接应用于现有点云检测器。我们在公开的KITTI和Astyx数据集上评估了该方法。实验结果表明，特别是在检测小目标类别时，该方法展现出显著提升，即使在复杂条件下亦能保持性能。
Keyword:
Autonomous vehicle
Transformer
Lidar
3D object detection
Point cloud
期刊
S
IF:
2.7
论文数:
132
被引数:
0
机构
引用论文
Overcoming Occlusions: Perception Task-Oriented Information Sharing in Connected and Autonomous Vehicles.png)
IEEE NETWORK
IEEE NETWORKIF6.3
PREAI
分享收藏分享收藏Unmanned aerial vehicle based multi-person detection via deep neural network models基于深度神经网络模型的无人机多人检测
OAAI
OAAI分享收藏PointRCNN: 3D Object Proposal Generation and Detection From Point CloudPointRCNN: 从点云生成和检测3D对象建议
OAAI
OAAI分享收藏VoxelNet: End-to-End Learning for Point Cloud Based 3D Object DetectionVoxelNet: 基于点云的3D物体检测的端到端学习OAAI
OAAI分享收藏
查看更多内容