基于教师-学生模型的点云目标检测算法

摘要

针对现有点云目标检测算法对室外自动驾驶场景中遮挡物体检测精度低的问题，提出一种基于知识蒸馏和注意力增强的点云目标检测算法。以CIA-SSD模型为基础，设计了一种基于教师-学生模型的密集特征生成模块，提出基于交并比匹配策略的密集数据生成方法，将稀疏特征转换为密集特征。密集特征生成模块位于学生模型中，学生模型在教师模型生成的软目标监督训练下，推断出完整的密集目标特征，实现目标特征的补全；在教师模型中设计空间注意力和通道注意力机制，增强密集目标点云，提升特征图的质量。在KITTI数据集上的验证实验结果表明：与SE-SSD模型和CIA-SSD模型相比，本文提出的算法保持了单阶段目标检测速度的优势，同时明显提升了检测精度。

关键词

点云目标检测 / CIA-SSD / 教师-学生模型 / 密集特征模块 / 注意力机制 / 交并比匹配策略

基金资助

国家重点研发计划“社会治理与智慧社会科技支撑”重点专项(2022YFC3302502)