2.4.9 训练细节

通过随机梯度下降，从零开始训练模型，权重衰减为0.0005，动量为0.9kg·m/s。这里的实现基于Darknet神经网络框架的修改版本，首先进行了预处理，从Velodyne样本中生成鸟瞰RGB贴图；然后将训练集细分为公开可用的ground truth，但是使用了85%的训练率和15%的验证率，因为是从头开始训练的，并且对所针对的模型能够进行多类预测。反之，例如，VoxelNet修改和优化了针对不同类别的模型，应从可用的ground truth数据中获取数据，因为它首先是用于摄像机检测的，对超过75%的汽车、少于4%的骑自行车的人和少于15%的行人的分配方案是不利的。同样，在所有带注释的对象中，90%以上都面向汽车方向。但是，对于验证集和覆盖了多个用例场景（如城市、高速公路或内城区）的其他未标记KITTI序列，我们看到了令人惊讶的良好结果。