清华开源 BDC-Occ | 使用2-Bit卷积让Occ占用预测网络直接原地起飞 !

文章预览

ADAS  Laboratory 点击上方 蓝字 关注  智驾实验室 扫描上方二维码，加入【 智驾实验室 】交流群， 获取更多内容和资料 现有的3D占用网络需要大量的硬件资源，这阻碍了它们在边缘设备上的部署。二值化神经网络（BNN）大幅降低了计算和内存需求。 然而，与全精度网络相比，它们的性能显著下降。此外，通过增加二值化卷积层的数量来提升二值化模型的性能是一项挑战，这也限制了它们在3D占用预测中的实用性。 为了弥补这些差距，作者提出了一种新颖的二值化深度卷积（BDC）单元，该单元在增加二值化卷积层数的同时有效提升了性能。首先，通过理论分析，作者证明了 二值化卷积引入的最小二值化误差。因此，在BDC单元中，额外的二值化卷积层被限制为 。 其次，作者引入了每个通道的权重分支，以减轻来自不重要通道特征二值化误差对二值化 ………………………………