多阶段训练与知识蒸馏，跨模态模型改进，激光雷达与雷达数据集的结合 ！

文章预览

准确的3D目标检测对自动驾驶至关重要。虽然激光传感器非常适合这项任务，但它们价格昂贵，并且在恶劣的天气条件下有局限性。3+1D成像雷达传感器提供了一种成本合理、健壮的替代方案，但由于其分辨率低和高测量噪声，仍面临一定的挑战。 现有的3+1D成像雷达数据集包括雷达和激光雷达数据，从而实现了跨模态模型改进。虽然激光雷达在推理过程中不应使用，但它可以帮助仅针对雷达目标的检测器进行训练。作者探索了两种从激光雷达域向雷达域和仅针对雷达目标的检测器域转移知识的方法： 多阶段训练，使用顺序激光点云稀疏； 跨模态知识蒸馏。 在多阶段过程中，作者研究了三种稀疏方法。作者的结果显示，通过多阶段训练平均精度获得了4.2个百分点的显著提升，通过对教师权重进行初始化的知识蒸馏，甚至获得了3.9个百分点的提升。 ………………………………