现代对象检测体系结构正朝着采用自我监督的学习（SSL）来通过相关的借口任务来提高性能检测。文献中尚未探讨单眼3D对象检测的借口任务。本文研究了已建立的自我监督边界框的应用，通过将随机窗口标记为借口任务来回收。训练了3D检测器的分类器头，以对包含不同比例的地面真相对象的随机窗口进行分类，从而处理前后背景的不平衡。我们使用RTM3D检测模型作为基线评估借口任务，并在应用数据增强的情况下评估。我们证明，在基线得分上，使用SSL在MAP 3D中的2-3％和0.9-1.5％的BEV得分之间的提高。我们提出了反向类频率重新加权（ICFW）地图分数，该分数突出显示了具有长尾巴的类不平衡数据集中低频类检测的改进。我们证明了ICFW的改进MAP 3D和BEV分数，以考虑Kitti验证数据集中的类不平衡。通过借口任务，我们看到ICFW指标增加了4-5％。
translated by 谷歌翻译