最近在探索一些路侧三维感知的东西，关注到了这个去年年底到今年年初举行的路侧 3D 感知的比赛。用的数据集也是 AIR 提供的 Rope3D，AIR 做车路协同考虑提高路侧相机的 3D 感知能力也是合情合理的。

决赛获奖名单在此 ，按照答辩顺序，今天先总结一下决赛第六名的方案

这个比赛是规定了训练设备线上训练，且限定了训练时间，所以解决方案的精度可能因此受限

第六名解决方案

• 模型：MonoCon，从 PaperWithCode Monocular 3D Object Detection on KITTI Cars Moderate 里挑出来的当时第二名的方案，第一名的方法比赛环境不允许。模型对应的论文地址
• 训练方案： 主要是做了数据增强 + 调参（epoch、学习率策略、学习率大小），方案迭代过程如下图所示

• 专家提问：为什么没使用地面方程做深度预测？

比赛是提供了地面方程（地平面在相机坐标系下的方程式）、深度图等信息，可以辅助获取深度信息，但是该选手使用的是 MonoCon 里面自带的深度预测