Vote3Deep: الكشف السريع عن الأشياء في السحابات النقطية ثلاثية الأبعاد باستخدام الشبكات العصبية التلافيفية الفعالة

يقترح هذا البحث نهجًا حاسوبيًا فعالًا للكشف عن الأجسام بشكل أصيل في السحب النقطية ثلاثية الأبعاد باستخدام شبكات العصب الاصطناعية التلافيفية (CNNs). وبشكل خاص، يتم تحقيق ذلك من خلال الاستفادة من نظام تصويت متمحور حول الميزات لتنفيذ طبقات تلافيفية جديدة تستغل صراحة الندرة التي تواجهها المدخلات. لهذا الغرض، نقوم بفحص التوازن بين الدقة والسرعة لمختلف الهياكل ونقترح أيضًا استخدام عقوبة L1 على تنشيطات المرشحات لتشجيع الندرة بشكل أكبر في التمثيلات الوسيطة. حسب علمنا، هذا هو أول عمل يقترح طبقات تلافيفية نادرة وتنظيم L1 للمعالجة الكبيرة والفعالة للبيانات ثلاثية الأبعاد. نوضح فعالية نهجنا على مقاييس كشف الأجسام في مجموعة بيانات KITTI ونظهر أن نماذج Vote3Deep ذات الطبقات الثلاث فقط تتفوق على الحالة السابقة لأفضل ما يمكن تحقيقه في كل من الأساليب القائمة على الليزر والأساليب القائمة على الليزر والرؤية بنسبة تصل إلى 40% مع البقاء شديد التنافسية فيما يتعلق بزمن المعالجة.