Auxiliary
Learning Auxiliary Monocular Contexts Helps Monocular 3D Object Detection (5)
Qualitative Results如下图所示: ......
Learning Auxiliary Monocular Contexts Helps Monocular 3D Object Detection (3)
损失函数分为3种类型: (1) 对于热力图,用以下的Focal Loss计算: (2) 对于深度,采用Laplacian aleatoric uncertainty loss function for depth计算: (3) 对于尺寸采用L1 Loss计算: ......
Learning Auxiliary Monocular Contexts Helps Monocular 3D Object Detection (2)
Feature backbone采用DLA,输入维度为3×H×W的RGB图,得到维度D×h×w的特征图F,然后将特征图送入几个轻量级regression heads,2D bouding boxes的中心特征图用下面的模块得到: 其中AN是Attentive Normalization.用公式表示: ......
Learning Auxiliary Monocular Contexts Helps Monocular 3D Object Detection(1)
MonoCon的网络结构和MonoDLE几乎一样,只是添加了辅助学习(Auxiliary Learning, AL)模块. 网络结构如上图所示,对于3D目标检测来说,预测2D框是没有必要的,但是MonoCon在训练阶段仍然计算了2D框的损失函数,但是在推理的时候,并不会预测2D框,这就是所谓的辅助学 ......
Achieving a Better Stability-Plasticity Trade-off via Auxiliary Networks in Continual Learning论文阅读笔记
## 摘要 连续学习过程中的稳定性-可塑性权衡是一个重要的问题。作者提出了Auxiliary Network Continual Learning (ANCL)，通过auxiliary network提高了模型的可塑性。 ## 方法 ### The Formulation of Auxiliary ......