接上文：Center
based 3D Object Detection and
Tracking。在看完整体网络结构以后，还是非常感兴趣主干网络从点云中提取出了那些特质，所以对主干网络的输出进行了可视化。
可视化结果
对主干网络的输出进行可视化，选取KITTI 05
数据集的一帧点云。可视化的网络模型依旧是来自Livox开源的检测算法 livox
detection。主干网络最后输出的张量维度为448×1120×128，其中前两个维度对应空间维度的长宽，分辨率为0.2m。
网络这对livox激光雷达设计所以检测正前方距离被设计为最远224m(1120×0.2=224)。我这里之间使用KITTI数据集测试，最远探测距离100m，所以对特征长度裁剪一下方便显示。
共计128维的特征可视化结果展示为下面的128张图片,图片比较大，加载比较慢。（按从上往下从左往右编码1-128）。下图中的ROI范围和上图左一的点云范围基本对齐。
从这个可视化结果上来看，有的特征层似乎是对BEV时间下高频信号比较敏感，比如第6；有的对高度表较高的高频信号比较敏感（墙），比如41号特征；有的对低频点比较敏感 比如第35号特征；有的层是从有点云的地方向没有点的地方弥散的感觉，没有点地方距离有点的地方越近，反应越强烈（第38层）。