3D点云目标检测:CT3D解读(未完)

​K^hT​​),h=1,…,H

3.3、Channel-wise Decoding Module

四、Detect head and Training Targets

将经过编码–解码模块的输出送入两个FFN网络中，预测得到confidence和相对于输入的Proposal的box残差值。
训练过程中confidence的真值被设置为Proposals和对应的gt的3D IoU值。confidence真值计算公式如下：

c

t

=

min

⁡

(

1

,

max

⁡

(

0

,

I

o

U

−

α

B

α

F

−

α

B

)

)

c^{t}=min left(1, max left(0, frac{mathrm{IoU}-alpha_{B}}{alpha_{F}-alpha_{B}}right)right)

ct=min(1,max(0,αF​−αB​IoU−αB​​))

box回归值的真值计算如下：

x

t

=

x

g

−

x

c

d

,

y

t

=

y

g

−

y

c

d

,

z

t

=

z

g

−

z

c

h

c

,

l

t

=

log

⁡

(

l

g

l

c

)

,

w

t

=

log

⁡

(

w

g

w

c

)

,

h

t

=

log

⁡

(

h

g

h

c

)

,

θ

t

=

θ

g

−

θ

c

,

begin{aligned} x^{t} & =frac{x^{g}-x^{c}}{d}, y^{t}=frac{y^{g}-y^{c}}{d}, z^{t}=frac{z^{g}-z^{c}}{h^{c}}, \ l^{t} & =log left(frac{l^{g}}{l^{c}}right), w^{t}=log left(frac{w^{g}}{w^{c}}right), h^{t}=log left(frac{h^{g}}{h^{c}}right), \ theta^{t} & =theta^{g}-theta^{c}, end{aligned}

xtltθt​=dxg−xc​,yt=dyg−yc​,zt=hczg−zc​,=log(lclg​),wt=log(wcwg​),ht=log(hchg​),=θg−θc,​

五、训练losses

CT3D是端到端的训练策略，包括三个损失，分别是RPN损失、confidence损失、box回归损失。

confidence损失用的是二元交叉墒计算。

回归损失使用的是Smooth-L1计算，只有

I

o

U

≥

α

R

IoU ≥ α_R

IoU≥αR​ 的Proposal才会用来计算回归损失。

代码007普通

打赏 收藏 海报 链接