CN114898356B 基于球体空间特征和多模态交叉融合网络的3d目标检测方法 （安徽理工大学）_第1页
CN114898356B 基于球体空间特征和多模态交叉融合网络的3d目标检测方法 （安徽理工大学）_第2页
CN114898356B 基于球体空间特征和多模态交叉融合网络的3d目标检测方法 （安徽理工大学）_第3页
CN114898356B 基于球体空间特征和多模态交叉融合网络的3d目标检测方法 （安徽理工大学）_第4页
CN114898356B 基于球体空间特征和多模态交叉融合网络的3d目标检测方法 （安徽理工大学）_第5页
已阅读5页，还剩13页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

WO2021000664A1,2021.01.07基于球体空间特征和多模态交叉融合网络体空间特征和多模态交叉融合网络的3D目标检利用三层UNet网络对RGB图像进行多尺度特征提21.2)利用具有80256个目标标记的KITTI数据集训练数据集用于训练模型；利用KITTI2)利用稀疏卷积对选取的每个球体中的点进行特3)利用三层Unet网络对RGB图像进行多尺度特4)使用交叉注意力机制融合空间特征与语义特征，融合2.基于权利要求1所述基于球体空间特征和多模态交叉融合网络的3D目标检测方法，2.1)首先，利用稀疏卷积(SPConv)对得到的3.基于权利要求1所述基于球体空间特征和多模态交叉融合网络的3D目标检测方法，33.2)随后，利用MLP对上述得到的语义组进行维度扩展以获得与空间特征相同维度的4.基于权利要求1所述基于球体空间特征和多模态交叉融合网络的3D目标检测方法，其中KiT表示Ki的转置，然后再将上述得到的注意力输入到1维卷积层和最大池化层得4.3)分类产生的损失采用FocalL4[0002]本部分的陈述仅仅是涉及到了与本发明相关的背景技术，并不必然构成现有技数据之间的互补信息也是准确3D目标检测的关键问题。交叉注意力机制(Cross-5通过UNet网络获取不同尺度的图像语义特征并通过MLP进行扩展，以获取与空间特征相同[0007]本发明的技术方案是提供了基于球体空间特征和多模态交叉融合网络的3D目标[0010]1.2)此发明，利用具有80256个目标标记的KITTI数据集训练数据集用于训练模6[0027]3.2)随后，利用MLP对上述得到的语[0030]4使用交叉注意力机制融合空间特征与语义特征，融合后的特征再输入到检测头[0037]然后再将上述得到的注意力输入到1维卷积层和最大池化层得到最终融合的特7语义特征通过交叉注意力机制进行融合，以实现跨模态之间以及模态内部信息的对齐补全，并通过1维卷积层和最大池化层进而生成强有力的特征表示以精确定位3D边界框并用[0051]本发明的流程图框架如图1所示，本发明基于球体空间特征和多模态交叉融合网[0054]1.2)此发明，利用具有80256个目标标记的KITTI数据集训练数据集用于训练模[0055]1.3)首先，利用体素质心下采样算法从原始点云中选取关键点，如下式所8[0070]3.2)随后，利用MLP对上述得到的语[0080]然后再将上述得到的注意力输

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论