SECOND: Sparsely Embedded Convolutional Detection

![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/482094/ca557f95-571e-1edc-0353-b70b8d49d8cd.png)

VoxelNetとほとんど同じなSECOND。
違う点だけを見ていきたいと思う。

Feature Learning Network => Voxel Feature and Coordinate + Voxel Feature Extractor
Convolutional Middle Layers => Sparse Conv Layer
Region Proposal Network => Region Proposal Network

新規性

Sparse Convolutional Middle Extractor

VoxelNetではConvolutional Middle Layersと呼ばれていた、3Dを2Dに畳み込む処理。 Sparse Convolutionを採用する事で高速化。

*Sparse Convolutionの詳細は別記事で追記

Region Proposal Network

![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/482094/e6076400-6140-bdf9-41c1-77c647145461.png)

2D Object Detectionの話だから軽く流すが、Multi ResolutionでLocalとGlobalの特徴量を得られる構成にした。

Sine-Error Loss for Angle Regression

角度のlossを計算する時0とPIで同じ角度を示すのに、値としてジャンプしてしまうのでsinやcosで解決しましょうっていう、よくあるやつ。

結果

![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/482094/8678b078-9470-aa3a-2815-d366973513b0.png) スピ-ドはSparse Convolutionalを3D=>2Dの畳み込みに採用し向上精度は角度のlossにsinを使ったことと、2DのDetectionをMulti Resolutionにしたことによって向上って感じかな〜。

結論

・VoxelNetを踏襲しつつ、精度も速度もシンプルな変更で上げていた。

参考文献

SECOND: Sparsely Embedded Convolutional Detection https://pdfs.semanticscholar.org/5125/a16039cabc6320c908a4764f32596e018ad3.pdf