達摩院的研究人員提出一個通用、高性能的檢測器，在自動駕駛領(lǐng)域權(quán)威數(shù)據(jù)集KITTI BEV(鳥瞰)上，檢測速度達到25FPS ，一舉占據(jù)榜首，與排名第二的方案相比，減少了一半多，同時精度也遠超其他的單階段檢測器。可以說首次實現(xiàn)3D物體檢測精度與速度兼得。
達摩院研究團隊表示：“檢測器是自動駕駛系統(tǒng)的核心組件之一，但該領(lǐng)域一直缺少創(chuàng)新和突破，此次我們實現(xiàn)3D檢測精度和速度的提升，將有助于提高自動駕駛系統(tǒng)的安全性。”
從實驗結(jié)果來看，他們顯然取得了良好進展，而且研究的主要完成人員(一作)，還是達摩院的實習生。
同時，該研究也得到了同行們的認可，被計算機視覺領(lǐng)域頂級會議CVPR 2020收錄。他們是如何做到的呢?我們借助阿里達摩院提供的解讀，一一來看。
如何實現(xiàn)精度和速度兼得?
眾所周知，與普通2D圖像識別應用不同，自動駕駛系統(tǒng)對精度和速度的要求更高，不僅需要快速識別周圍環(huán)境的物體，還要對物體在三維空間中的位置做精準定位。
僅靠傳感器和算法模型，通常無法平衡視覺識別的精度和速度。因此，檢測器成為提升自動駕駛系統(tǒng)安全性的一個關(guān)鍵因素。
經(jīng)過多年研究，當前業(yè)界主流的單階段檢測器在檢測速度上很好，但在檢測精度卻差強人意。
這就是達摩院研究的出發(fā)點：尋找一種能二者兼得的方法。
他們提出的思路是：將兩階段檢測器中對特征進行細粒度刻畫的思想，移植到單階段檢測中。
在他們的模型中，用于部署的檢測器， 即推斷網(wǎng)絡， 由一個骨干網(wǎng)絡和檢測頭組成。
骨干網(wǎng)絡用3D的稀疏網(wǎng)絡實現(xiàn)，用于提取含有高語義的體素特征。檢測頭將體素特征壓縮成鳥瞰圖表示，并在上面運行2D全卷積網(wǎng)絡來預測3D物體框。
他們在訓練中利用一個輔助網(wǎng)絡將單階段檢測器中的體素特征，轉(zhuǎn)化為點級特征并施加一定的監(jiān)督信號。
在實現(xiàn)上，他們將卷積特征中的非零信號映射到原始的點云空間中， 然后在每個點上進行插值，來獲取卷積特征的點級表示。使得卷積特征也具有結(jié)構(gòu)感知能力，來提高檢測精度。
而在做模型推斷時，輔助網(wǎng)絡并不參與計算(detached)，保證單階段檢測器的檢測效率。
另外，他們還提出一個工程上的改進：Part-sensitive Warping (PSWarp)，用于處理單階段檢測器中存在的 “框-置信度-不匹配” 問題。
核心思路是：利用采樣器， 用生成的采樣網(wǎng)格在對應的局部敏感特征圖上進行采樣，生成對齊好的特征圖。最終能反映置信度的特征圖，是K個對齊好特征圖的平均。
單階段方法，能達到兩階段方法精度
阿里達摩院的研究人員，在KITTI數(shù)據(jù)集上評估了方法的有效性。下圖(PR Curve)中，實線為兩階段方法， 虛線為單階段方法。
可以看出，達摩院提出的單階段方法(黑色)能夠達到兩階段方法才能達到的精度。
可以看出，他們提出的方法，可以在不增加額外計算量的情況下，達到25FPS 的檢測速度，而且還能保持精度。具體的檢測效果如下：
兩位共同一作，都是達摩院研究實習生
研究論文，標題為“Structure Aware Single-Stage 3D Object Detection from Point Cloud”，共有5名研究人員參與，分別來自阿里達摩院和香港理工大學。
第一作者是Chenhang He，是阿里達摩院的研究實習生，正在香港理工大學讀博，預計2022年畢業(yè)。
他的導師是達摩院高級研究員、香港理工大學電子計算學系講座教授、IEEE Fellow張磊，也是這一研究的通訊作者。
另一位第一作者Hui Zeng，也是是阿里達摩院的研究實習生，同樣是張磊的博士生，預計在今年畢業(yè)。
其他作者，分別是達摩院高級研究員、IEEE Fellow華先勝、達摩院資深算法專家黃建強等。
