【导读】这是一篇来自ICCV2019的论文，由港中文的贾佳亚教授实验室完成。虽然名字很接近，但是Fast Point R-CNN不仅跟Fast R-CNN没有任何关系，它跟Point R-CNN也没太大关系，找前景点，做精细回归思想相近。三者唯一的共同点就是它们三个都是two-stage网络，但是网络结构完全不同。

Fast Point R-CNN | 一个或许跟PointRCNN和Fast RCNN都没啥关系的点云目标检测网络

如果要强行归类的话，Fast Point R-CNN应该算是VoxelNet一派的。这一点从网络结构图中可以看出。网络的第一阶段叫做VoxelRPN，类似于VoxelNet/SECOND的网络结构，用来对体素化的点云进行处理，网络由3D卷积层+2D的2D的RPN构成；网络的第二阶段是RefinerNet，将原始点云加入进来，并融入注意力机制，提高检测效果。从这个角度来看，这个网络应该叫Refiner-VoxelNet或许更为贴切（我胡说的）。

 

  • 网络结构

下面仔细看下网络结构，首先是第一阶段的VoxelRPN：网络由四个BLOCK构成，第一个BLOCK由3D卷积核构成，用来对体素进行处理，逐渐把Z维度上降低到1，也就成了2D特征图了。后面三个BLOCK用来对这个2D特征图进行进一步的特征提取和融合。这里笔者根据网络结构计算了每个层的输出特征图的尺寸。

Fast Point R-CNN | 一个或许跟PointRCNN和Fast RCNN都没啥关系的点云目标检测网络

但是，考虑到体素化处理点云会丢失一定的定位信息，影响目标检测精度。因此，网络增加了RefinerNet用来进一步优化结果。

Fast Point R-CNN | 一个或许跟PointRCNN和Fast RCNN都没啥关系的点云目标检测网络

RefinerNet中引入了特征增强和注意力机制，主要由MLP构成。网络以包围框特征和点云坐标作为输入。通过一个独特的fusion module来进行特征的融合增强。先将这两种特征进行拼接并经过两层MLP处理，然后与包围框特征得到的权值进行逐元素相乘，就这样利用注意力机制来增强了网络的定位能力。最后经过MLP后直接计算出包围框8个顶点的坐标。

Fast Point R-CNN | 一个或许跟PointRCNN和Fast RCNN都没啥关系的点云目标检测网络

计算之前先对标签中的包围框进行调整，并且约定了角点的顺序。

  • 实验结果

Fast Point R-CNN | 一个或许跟PointRCNN和Fast RCNN都没啥关系的点云目标检测网络

效果比“体素门派”的SECOND和PointPillars稍微好一点，逼近PointRCNN。速度的话，用的GPU不一样，比较的意义不是很大。所以你现在已经跃跃欲试，准备入坑Fast Point R-CNN了吗？

且慢……

Fast Point R-CNN | 一个或许跟PointRCNN和Fast RCNN都没啥关系的点云目标检测网络

“模型在8块NVIDIA P40 GPU上进行训练，batch size设置为16”……

再想想那些在一块1080Ti上就能训练的SECOND、PointPillars、Point R-CNN……

往期相关

欢迎关注公众号：3D点云深度学习

Fast Point R-CNN | 一个或许跟PointRCNN和Fast RCNN都没啥关系的点云目标检测网络