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：四川吉利学院

摘要：本发明提供一种基于自适应卷积和智能标签分配的单目三维目标检测方法，涉及目标检测技术领域，包括如下步骤：对3D数据进行数据增强；将增强后的数据分为训练集和测试集；通过训练集进行目标检测神经网络模型的训练，用测试集验证目标检测神经网络模型；通过训练好的目标检测神经网络模型进行实际场景的目标检测；所述目标检测神经网络模型的架构包括主干网络部分和检测头部分；检测头部分的结构为：两个并行的自适应卷积层，第一自适应卷积单元后连接softmax层和分类层，第二自适应卷积单元后连接回归层；分类层和回归层连接标签分配模块。本发明的网络架构通过引入自适应卷积核和动态特征融合技术，实现了高效的特征提取和精准的分类及回归能力，从而在3D目标检测任务上达到高精度。

主权项：1.一种基于自适应卷积和智能标签分配的单目三维目标检测方法，其特征在于，包括如下步骤：对3D数据进行数据增强；将增强后的数据分为训练集和测试集；通过训练集进行目标检测神经网络模型的训练，用测试集验证目标检测神经网络模型；通过训练好的目标检测神经网络模型进行实际场景的目标检测；所述目标检测神经网络模型的架构包括主干网络部分、特征融合网络部分和检测头部分；主干网络部分包括多层自适应卷积单元、权重生成器；主干网络的具体结构如下：多层自适应卷积单元由多个卷积层组成，每个卷积层通过一个可训练的包络函数动态调整卷积核权重的有效范围；权重生成器用于生成动态特征融合权重矩阵，其输入为主干网络的顶层卷积层得到的特征图，经过两个全连接层和激活函数后，输出为特征融合网络各层权重的一维向量数据；特征融合网络将多层自适应卷积单元中的各层特征图进行融合，通过自适应的动态权重融合将多尺度特征综合在一起；特征融合图作为特征融合网络的最终输出，传递给检测头部分；检测头部分包括两个并行的自适应卷积层，分别为第一自适应卷积单元和第二自适应卷积单元；具体结构如下：第一自适应卷积单元使用残差结构，由一个卷积层和一个跳跃连接组成，卷积核为自适应的卷积核，大小为9x9，输出特征图经过softmax层进行归一化处理，后接分类层用于目标分类；第二自适应卷积单元同样使用残差结构，卷积核同样为自适应的卷积核，大小为9x9，输出特征图直接输入回归层，用于预测目标边界框的位置信息；将分类层的结果和回归层的结果输入到标签分配模块，得到目标检测结果。

全文数据：

权利要求：

百度查询： 四川吉利学院 基于自适应卷积和智能标签分配的单目三维目标检测方法