快速了解一个网络：RRPN, Radar Region Proposal Network for Object Detection in Autonomous Vehicles

以下内容偏向于记录个人学习过程及思考，非常规教学内容

背景

对于二阶段的目标检测网络，region proposals的速度和准确度一直都是瓶颈（Fast RCNN 时代）

核心思想

把region proposals部份替换成使用radar点云来生成。

Pipeline

参考 Fast RCNN

亿些细节

Anchor Generation

由于radar点不一定是目标的中心位置，因此作者围绕radar点设计了以下几种anchors形式

Distance Compensation

由于近大远小，对于不同距离的radar点作者提出了一种距离补偿的思路。

\[S = \alpha\frac{1}{d}+\beta\]

通过$\alpha$和$\beta$两个参数控制，距离d越远，scale越小。

而最佳的$\alpha$和$\beta$通过simple grid search优化全部ground truth和anchors的iou之和得出。

Implementation Details

作者的基础网络是Fast RCNN，替换掉了其中的region proposals的部份。

backbone采用ResNet-101和ResNeXt-101，预训练权重基于COCO数据集。

进一步了解

• Fast RCNN

原文和代码

https://arxiv.org/abs/1905.00526

参考资料

无