CG-SSD

这篇是辅助网络最近的一个工作，对于小目标的效果提升非常好！简单整理一下其中的辅助模块 CGAM (corner-guided auxiliary module)

Introduction

CGAM 的核心思想就是使用 BEV map 去做两个辅助任务：

1. corner classification
2. corner offset predicton

然后将预测得到的 feature map concat 到原来的 BEV map，然后再去做 box prediction。这样的 CGAM 可以当作一个 plug-in 去帮助 BEV-based 网络提点

Corner Selection

为了让 corner 带有更多的信息，论文还把 corner 分成了四个类别：1. Visible; 2. Partly Visible L; 3. Partly Visble W; 4. Invisible

简单来讲，角的类别是其所在象限的点云数量决定的：点云最多的就是 visible corner，最少的就是 invisible corner，不多不少的就是 partly visible corners

在做 corner classification 的时候不会去识别所有的角，而是去识别后三类角，这样效果最好。Corner Selection 就是把后三类角给找出来，并且为了鲁棒性，分两种情况讨论了如何衡量象限内的点云数量：

1. 如果物体内的点很少，只有两个象限有点云，就直接看单个象限内点云的个数
2. 如果物体内的点云多，考虑连续三个象限内的点云

论文中的详细算法如下

Archetecture

CGAM 的结构论文也画的非常清晰

整个网络的结构如下

Experiment

1. ONCE 验证集的结果

1. 不同角对于表现的提升

1. 选取角对表现的提升

1. 预测 offset 对于模型的提升

1. CGAM 作为辅助模块

思考

为什么自己的结构不起作用？之后设计结构需要注意哪些地方？