通用vsVoxelNext

一、3D稀疏卷积模块

1.1、额外的两次下采样

使用通用的3D sparse conv，区别是在stage4后再增加两次下采样，分别得到f5，f6，目的是增大感受野
1.1、消融实验结果
1.2、代码

1.2、稀疏体素删减

计算体素的重要性，根据比例删掉不重要的体素
用在前三次稀疏卷积中，消融实验结果，公式

二、高度压缩

f4、f5、f6体素压缩合并

三、稀疏池化

学习压缩后的体素重要性，训练过程中，靠近gt的voxel设置为正样本，使用focal loss训练。按照稀疏卷积的方式进行最大池化，保留最重要的体素。

四、head

全连接或者稀疏卷积

五、waymo数据集训练

六、训练自己的数据集bug修改

使用自己的数据集训练会报错，需要删掉iou branch才能正常运行，同样评测的config部分也要修改。