[论文解读] S-AT GCN: Spatial-Attention Graph Convolution Network based Feature Enhancement for 3D Object Detection

Li Wang, Chenfei Wang+3 more|arXiv (Cornell University)|Mar 15, 2021

Advanced Neural Network Applications参考文献 24被引用 7

一句话总结

该论文提出S-AT GCN，一种空间注意力图卷积网络，通过缓解基于划分方法中的划分效应，增强3D目标检测中的特征提取。通过将图卷积与空间注意力机制结合以捕捉局部几何细节，该方法显著提升了小目标的检测性能——行人mAP提升3.62%，自行车骑行者mAP提升4.21%，同时在单张RTX 3090上实现48 FPS的实时推理速度。

ABSTRACT

3D object detection plays a crucial role in environmental perception for autonomous vehicles, which is the prerequisite of decision and control. This paper analyses partition-based methods' inherent drawbacks. In the partition operation, a single instance such as a pedestrian is sliced into several pieces, which we call it the partition effect. We propose the Spatial-Attention Graph Convolution (S-AT GCN), forming the Feature Enhancement (FE) layers to overcome this drawback. The S-AT GCN utilizes the graph convolution and the spatial attention mechanism to extract local geometrical structure features. This allows the network to have more meaningful features for the foreground. Our experiments on the KITTI 3D object and bird's eye view detection show that S-AT Conv and FE layers are effective, especially for small objects. FE layers boost the pedestrian class performance by 3.62\% and cyclist class by 4.21\% 3D mAP. The time cost of these extra FE layers are limited. PointPillars with FE layers can achieve 48 PFS, satisfying the real-time requirement.

研究动机与目标

• 识别并分析基于划分的3D目标检测方法中固有的划分效应，该效应会降低小目标和稀疏目标的检测性能。
• 提出一种特征增强（FE）层，以在划分操作后恢复丢失的几何细节，从而改善浅层网络中的特征表示。
• 设计一种空间注意力图卷积（S-AT GCN）模块，通过基于欧几里得距离的注意力机制显式建模局部几何结构。
• 验证FE层在不牺牲实时推理速度的前提下，提升小3D目标检测准确率的有效性。
• 证明FE层具有高通滤波器的作用，增强特征图中的对比度与细节，从而更有效地区分小目标或稀疏实例。

提出的方法

• S-AT GCN利用图卷积建模点云中点之间的局部几何关系，捕捉超越简单池化的结构特征。
• 引入空间注意力机制，其中注意力权重基于顶点对之间的欧几里得距离计算，以突出邻近且相关的点。
• 在图卷积前应用注意力机制，动态重加权特征，确保局部激活并保留细粒度的几何细节。
• 将S-AT GCN堆叠为级联的FE层，置于PointPillars的柱状特征提取之后，以在后续检测头之前增强特征图。
• 图构建使用k=9个邻居，并在注意力机制中引入降维以降低计算成本。
• 将FE层集成到PointPillars中，将稀疏的鸟瞰图特征图转换为更具判别性的表示，同时增强局部对比度。

实验结果

研究问题

• RQ1 基于划分的3D检测方法中的划分操作如何降低小目标和稀疏目标的检测性能？
• RQ2 专用特征增强（FE）层在多大程度上可缓解3D目标检测中的划分效应？
• RQ3 结合空间注意力的图卷积网络能否有效恢复划分过程中丢失的局部几何结构细节？
• RQ4 所提出的S-AT GCN与标准卷积或仅注意力模块相比，在提升小目标检测特征表示方面表现如何？
• RQ5 将FE层集成到PointPillars等先进检测器中，对推理速度和实时性能有何影响？

主要发现

• 基于S-AT GCN的FE层在KITTI数据集上使行人3D mAP提升3.62%，自行车骑行者mAP提升4.21%，显著提升了小目标的检测性能。
• 添加FE层减少了误报检测，特别是对小目标或模糊目标（如被误分类为行人的交通标志）的误检。
• FE层起到高通滤波器的作用，增强特征图中的局部对比度，同时抑制背景噪声并保留结构细节。
• 该方法保持了实时推理性能，在单张NVIDIA RTX 3090上实现48 FPS，满足自动驾驶系统对实时性的要求。
• 结合降维的自注意力机制（ATDR）使自行车目标提升2–3%，行人目标提升1%，表明注意力机制在特征优化中的价值。
• FE层的数量对性能影响极小，3层已足够且稳定，表明FE堆叠对深度具有鲁棒性。