Learning Auxiliary Monocular Contexts Helps Monocular 3D Object Detection(1)

MonoCon的網絡結構和MonoDLE幾乎一樣,只是添加了輔助學習(Auxiliary Learning, AL)模塊.

網絡結構如上圖所示,對於3D目標檢測來說,預測2D框是沒有必要的,但是MonoCon在訓練階段仍然計算了2D框的損失函數,但是在推理的時候,並不會預測2D框,這就是所謂的輔助學習(Auxiliary Learning, AL)學習,即在訓練時增加一些分支並計算損失函數,但是在預測時並不會使用這些分支,這樣做的目的就是增加模型的泛化能力,避免模型的目標單一而導致過擬合.

 

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章