CN116453014B 一种基于图像和事件的多模态道路场景目标检测方法 （大连理工大学）_第1页
CN116453014B 一种基于图像和事件的多模态道路场景目标检测方法 （大连理工大学）_第2页
CN116453014B 一种基于图像和事件的多模态道路场景目标检测方法 （大连理工大学）_第3页
CN116453014B 一种基于图像和事件的多模态道路场景目标检测方法 （大连理工大学）_第4页
CN116453014B 一种基于图像和事件的多模态道路场景目标检测方法 （大连理工大学）_第5页
已阅读5页，还剩16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

一种基于图像和事件的多模态道路场景目开了一种基于图像和事件的多模态道路场景目标检测方法。本发明引入了高效注意力机制模用一种轻量化的特征提取网络对事件进行特征制内部门的状态，融合历史时刻的不同事件特2将32倍下采样的彩色图像数据特征输入至高效注意力机制模块的特征经卷积模块后进行2倍上采样后与图像特征提取模块输出的8倍下采样特征进行拼进行栅格化操作并映射到一个二维平面，将输入事件数据表示为多通道的事件数据特征；将32倍下采样的事件数据特征输入长短期记忆机制模块，输出增强后的事件数据特的特征均匀分为两部分，分别输入至空间注意力模块的卷积和sigmoid激活函数，分别计算得到hxwx1和1x1xc的分数图；其中，h和支输出大小为hxwx4的特征，IoU分支输出大小为hxwx1的特征；三个分支输出的特征经过特征拼接后，输出hxwx(5+cls)的特征；最后采用非极大值抑制的方法进行冗余框过2.根据权利要求1所述的基于图像和事件的多模态道路场景目标检测方法，其特征在3出的特征向量进行点乘及softmax计算，得到一个dxd维度3.根据权利要求1或2所述的基于图像和事4.根据权利要求3所述的基于图像和事件的多模态道路场景目标检测方法，其特征在4(YouOnlyLookOnce)和SSD(SingleShotDetector)，直接一步生成图像中所有对象的[0004]上述的目标检测算法都是基于传统的图像传感器设计的5[0008]本发明的技术方案如下：一种基于图像和事件的多模态接后的特征经卷积模块后进行2倍上采样后与图像特征提取模块输出的8倍下采样特征进[0014]步骤4：将时序增强后的彩色图像数据特征和增强后的事件数据特征，输入至图6[0016]所述高效注意力机制模块输入包含t时刻以及t_1历史时刻的时刻的隐藏状态ht_1以及细胞状态ct_[0027]本发明基于图像和事件的多模态道路场景目标检测方法的系统框图如图1所示，7摄得到的图像质量存在一定的差别，同时在道路场景下车辆过多会造成一些物体的遮挡。[0038]图2是基于图像和事件的多模态道路场景目标检测方法的网络结构图。整体网络8数均为图像分支的1/2，这是因为事件具有高时间分辨率，采用轻量化的网络结构进行操事件数据特征的升维。然后将升维后的事件数据特征与彩色图像数据特征进行通道拼接，将这两种分数图分别加权至输入特征以完成彩色图像数据和事件数据的信息交互。图像-9

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