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：清华大学

摘要：本公开涉及一种基于稀疏卷积神经网络的3D物体检测方法及装置，所述稀疏卷积神经网络包括预处理子网络、稀疏卷积子网络及检测子网络，所述方法包括：通过预处理子网络，对待检测的3D图像进行预处理，得到第一特征图，待检测的3D图像是通过X射线对待检测的物体进行重建得到的；通过稀疏卷积子网络，对第一特征图进行特征提取，得到第二特征图；通过检测子网络，对第二特征图进行检测，得到3D图像的物体检测结果，物体检测结果包括物体的边界信息、物体的类别及物体置信度。本公开的实施例可实现端到端的3D图像的物体检测，不仅可节省计算资源，简化检测流程，还可提高3D物体检测的速度及准确性。

主权项：1.一种基于稀疏卷积神经网络的3D物体检测方法，其特征在于，所述稀疏卷积神经网络包括预处理子网络、稀疏卷积子网络及检测子网络，所述方法包括：通过所述预处理子网络，对待检测的3D图像进行预处理，得到第一特征图，所述待检测的3D图像是通过X射线对待检测的物体进行重建得到的；通过所述稀疏卷积子网络，对所述第一特征图进行特征提取，得到第二特征图；通过所述检测子网络，对所述第二特征图进行检测，得到所述3D图像的物体检测结果，所述物体检测结果包括物体的边界信息、物体的类别及物体置信度；其中，所述通过所述预处理子网络，对待检测的3D图像进行预处理，得到第一特征图，包括：对待检测的3D图像进行特征提取，得到第三特征图，所述第三特征图包括三个通道，分别表示构成物体的物质的密度、原子序数及电子密度；对所述第三特征图进行归一化处理及尺寸调整，得到第四特征图；通过所述预处理子网络，对所述第四特征图进行特征提取，得到所述待检测的3D图像的第一特征图；其中，所述通过所述检测子网络，对所述第二特征图进行检测，得到所述3D图像的物体检测结果，包括：根据预设的锚框的种类数及预设的物体的类别数，通过所述检测子网络，对所述第二特征图进行特征提取，得到第五特征图，所述第五特征图为稠密存储格式，所述第五特征图中的每个空间点对应多个锚框，每个锚框与变换参数、物体置信度及物体属于各个类别的概率相对应；根据所述多个锚框、与各个锚框对应的变换参数、物体置信度及物体属于各个类别的概率，确定所述3D图像的物体检测结果；其中，所述根据所述多个锚框、与各个锚框对应的变换参数、物体置信度及物体属于各个类别的概率，确定所述3D图像的物体检测结果，包括：对于任一锚框，根据与所述锚框对应的变换参数，对所述锚框进行变换，得到与所述锚框对应的检测框；根据与所述锚框对应的物体置信度，确定与所述检测框对应的物体分值；在所述物体分值大于或等于预设的分值阈值的情况下，根据所述检测框，确定检测到的物体的边界信息；根据与所述锚框对应的物体置信度及物体属于各个类别的概率，确定检测到的物体置信度及物体的类别；其中，所述稀疏卷积子网络包括第一卷积子网络及第二卷积子网络，所述第二卷积子网络为U型网络，所述通过稀疏卷积子网络，对所述第一特征图进行特征提取，得到第二特征图，包括：通过所述第一卷积子网络，对所述第一特征图进行残差稀疏卷积，得到第六特征图；通过所述第二卷积子网络，对所述第六特征图进行特征提取，得到第二特征图。

全文数据：

权利要求：

百度查询： 清华大学 基于稀疏卷积神经网络的3D物体检测方法及装置