新AI模型DPPFA−Net可精準(zhǔn)檢測到小型3D物體存在

　　日本立命館大學(xué)的Hiroyuki Tomiyama教授領(lǐng)導(dǎo)的研究團(tuán)隊最近開發(fā)了一種名為“Dynamic Point-Pixel Feature Alignment Network”(DPPFA−Net)的創(chuàng)新模型，旨在解決3D物體檢測中對小目標(biāo)檢測困難的問題。該模型采用了多模態(tài)方法，巧妙地結(jié)合了3D LiDAR數(shù)據(jù)和2D圖像，以在惡劣天氣條件下提高性能。

　　在目前技術(shù)飛速發(fā)展的機(jī)器人和自動駕駛汽車領(lǐng)域，準(zhǔn)確感知環(huán)境對于確保工作和交通的安全與高效至關(guān)重要。傳統(tǒng)的3D物體檢測方法主要使用LiDAR傳感器創(chuàng)建環(huán)境的3D點(diǎn)云，通過激光束快速掃描和測量源周圍物體和表面的距離。然而，僅使用LiDAR數(shù)據(jù)可能在惡劣天氣條件下產(chǎn)生誤差，尤其是在雨天。

　　為了解決這一問題，科學(xué)家們開發(fā)了多模態(tài)3D物體檢測方法，將3D LiDAR數(shù)據(jù)與標(biāo)準(zhǔn)相機(jī)拍攝的2D RGB圖像相結(jié)合。盡管2D圖像和3D LiDAR數(shù)據(jù)的融合可以產(chǎn)生更準(zhǔn)確的3D檢測結(jié)果，但仍然面臨一系列挑戰(zhàn)，其中準(zhǔn)確檢測小物體尤為困難。

　　DPPFA−Net模型包括三個新穎模塊的多個實例:Memory-based Point-Pixel Fusion (MPPF)模塊，Deformable Point-Pixel Fusion (DPPF)模塊和Semantic Alignment Evaluator (SAE)模塊。MPPF模塊負(fù)責(zé)在模態(tài)內(nèi)部特征(2D與2D和3D與3D)以及模態(tài)間特征(2D與3D)之間執(zhí)行明確的交互，通過將2D圖像作為內(nèi)存庫，降低網(wǎng)絡(luò)學(xué)習(xí)難度，提高對3D點(diǎn)云中噪聲的魯棒性。

　　與此相反，DPPF模塊僅在關(guān)鍵位置的像素上執(zhí)行交互，通過智能采樣策略確定這些位置，從而在低計算復(fù)雜性下以高分辨率融合特征。最后，SAE模塊在融合過程中確保兩種數(shù)據(jù)表示之間的語義對齊，緩解特征模糊問題。

　　研究人員通過與廣泛使用的KITTI Vision Benchmark中的表現(xiàn)最佳模型進(jìn)行比較，測試了DPPFA−Net的性能。值得注意的是，在不同噪聲條件下，提出的網(wǎng)絡(luò)在平均精度方面取得了高達(dá)7.18%的改進(jìn)。為了進(jìn)一步測試模型的能力，團(tuán)隊通過在KITTI數(shù)據(jù)集中引入人工多模態(tài)噪聲(如雨水)，創(chuàng)建了一個新的嘈雜數(shù)據(jù)集。

　　結(jié)果顯示，與現(xiàn)有模型相比，該網(wǎng)絡(luò)不僅在面對嚴(yán)重遮擋時表現(xiàn)更好，而且在不同水平的惡劣天氣條件下也更為出色。Tomiyama教授表示:“我們對KITTI數(shù)據(jù)集和具有挑戰(zhàn)性的多模態(tài)嘈雜案例進(jìn)行的廣泛實驗表明，DPPFA-Net達(dá)到了新的技術(shù)水平。”

　　準(zhǔn)確的3D物體檢測方法在改善我們的生活方面有多種潛在應(yīng)用。依賴于這些技術(shù)的自動駕駛汽車有望減少事故、提高交通流暢度和安全性。此外，在機(jī)器人領(lǐng)域的影響也不可忽視。Tomiyama教授解釋說:“我們的研究可以促進(jìn)對機(jī)器人對工作環(huán)境的更好理解和適應(yīng)，實現(xiàn)對小目標(biāo)更精確的感知。”

　　DPPFA−Net的推出標(biāo)志著多模態(tài)3D物體檢測領(lǐng)域的一項重大進(jìn)展，有望為深度學(xué)習(xí)感知系統(tǒng)的原始數(shù)據(jù)預(yù)標(biāo)注提供新的可能性，從而顯著降低手動注釋的成本，加速該領(lǐng)域的發(fā)展。