Learning Auxiliary Monocular Contexts Helps Monocular 3D Object Detection (2)

Feature backbone采用DLA,输入维度为3×H×W的RGB图,得到维度D×h×w的特征图F,然后将特征图送入几个轻量级regression heads,2D bouding boxes的中心特征图用下面的模块得到:

其中AN是Attentive Normalization.用公式表示:

类似的, 2D和3D bouding boxes的中心之间的offset用公式表示:

深度用以下两个公式表示:

其中Z是预测的深度值,delta是标准差.

3D bouding boxes的维度用以下公式表示:

角度用以下公式表示:

 

posted @   MSTK  阅读(15)  评论(0)  编辑  收藏  举报
相关博文：
·  Learning Auxiliary Monocular Contexts Helps Monocular 3D Object Detection (1)
·  FCOS3D: Fully Convolutional One-Stage Monocular 3D Object Detection
·  monocular 3D detection小结
·  Center-based 3D Object Detection and Tracking
·  单目3D检测
阅读排行：
· 10年+ .NET Coder 心语 ── 封装的思维：从隐藏、稳定开始理解其本质意义
· 地球OL攻略 —— 某应届生求职总结
· 提示词工程——AI应用必不可少的技术
· Open-Sora 2.0 重磅开源！
· 字符编码：从基础到乱码解决
历史上的今天：
2014-08-29 MySQL Workbench返回所有的记录
2014-08-29 使用MySQL Workbench导出MySQL数据库关系图
点击右上角即可分享
微信分享提示
AI IDE Trae