鸟类视角自主驾驶检测新突破！反射型教师防遗忘，GA-BEV融合促对齐，小数据大成效 ！

文章预览

ADAS  Laboratory 点击上方 蓝字 关注  智驾实验室           加入【 智驾实验室 】交流群， 获取更多内容和资料 在鸟类视角（BEV）的自主驾驶半监督3D目标检测（SSOD）中，应用伪标签技术已被发现具有优势，特别是在标注数据有限的情况下。文献中，指数移动平均（EMA）被用于学生网络调整教师网络权重。 然而，这种方法会导致教师网络发生灾难性遗忘。本研究通过引入反射型教师（Reflective Teacher）的概念解决了这一问题：学生网络通过同时利用有标签数据和伪标签数据进行训练，并通过正则化逐步将知识传递给教师网络，从而确保保留之前的知识。 此外，作者提出了几何感知BEV融合（GA-BEV Fusion），以实现多模态BEV特征的有效对齐，从而减少不同模态（如相机和激光雷达）之间的差异。这有助于可靠地将嵌入在激光雷达点中的精确几何信息与空 ………………………………