龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：上海大学
摘要：本发明公开一种基于多原型聚类的3D开放世界目标检测方法，涉及3D开放世界目标检测技术领域，方法包括：根据各个不同类别的感兴趣区域特征之间的类间对比损失函数，以及每个类别的感兴趣区域特征与每个类别的多个不同的子类特征之间的类内损失函数优化神经网络模型，确定优化后的神经网络模型。其中，各个不同类别的感兴趣区域特征是根据当前任务的多个不同类别的训练数据确定多个不同类别的特征图，再基于特征图确定候选框，得到实例特征图，通过实例特征图得到的。子类特征是根据感兴趣区域特征得到的。通过优化后的神经网络模型搜索到难以标记的多个不同类别的子类特征，能更好的优化神经网络模型，提高了对未知类别的目标的检测结果精度。
主权项：1.一种基于多原型聚类的3D开放世界目标检测方法，其特征在于，包括：将当前任务的多个不同类别的训练数据输入至神经网络模型的主干网络，确定多个不同类别的特征图；所述训练数据包括点云数据；将多个所述不同类别的特征图输入至多检测头区域提议网络，提取多个不同类别的候选框；根据多个所述不同类别的特征图及多个所述不同类别的候选框，确定多个尺寸统一的不同类别的实例特征图；根据多个所述尺寸统一的不同类别的实例特征图，确定多个不同类别的感兴趣区域特征；采用所述多个不同类别的感兴趣区域特征训练所述神经网络模型，输出多个不同类别的多个不同的子类特征，确定训练好的神经网络模型；根据各个不同类别的感兴趣区域特征之间的类间对比损失函数，以及每个类别的感兴趣区域特征与每个类别的多个所述不同的子类特征之间的类内对比损失函数优化所述训练好的神经网络模型，确定优化后的神经网络模型；所述优化后的神经网络模型用于搜索在应用场景中多个所述不同的子类特征；将当前任务的测试数据输入至所述优化后的神经网络模型，确定待检测目标类别。
全文数据：
权利要求：
百度查询： 上海大学 一种基于多原型聚类的3D开放世界目标检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号