欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019105991291
申请人: 闽江学院
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种用于道路目标检测的场景建模方法,其特征在于,包括如下步骤:通过目标检测模块的基础网络获得各分块的特征;

以一分块特征作为场景分类网络的输入,获得场景分类网络的输出,所述场景分类网络的输出为N个聚类的场景码本的第i个聚类统计的不同目标类别在不同条件下的空间分布热力图通过场景变换网络T对所述空间分布热力图 进行变换,得到根据输入信息校准后的场景布局特征将 与各分块进行预设方案的上下采样和级联处理后获得卷积神经网络基础特征,并以此卷积神经网络基础特征作为目标检测模块的输入特征,进行目标检测。

2.如权利要求1所述的用于道路目标检测的场景建模方法,其特征在于,所述步骤“通过场景变换网络T对所述空间分布热力图 进行变换”具体包括空间变换处理和精细化处理,所述空间变换处理具体包括:以 以及基础网络的一分块作为输入,通过卷积层处理后将两个特征进行级联;

通过卷积层和全连接层作回归处理,通过空间变换网络求出对应的变换前坐标;

在变换前的热力图上采样,得到经过仿射变换的热力图 作为空间变换网络的输出。

3.如权利要求2所述的用于道路目标检测的场景建模方法,其特征在于,所述精细化处理具体包括:以基础网络的一分块以及一经过空间变换网络的输出作为输入,经过一全卷积网络R处理后,输出

4.如权利要求3所述的用于道路目标检测的场景建模方法,其特征在于,评估所述场景建模方法的联合训练的损失函数L包括场景分类损失函数Lcls和场景变换损失函数Lstn,所述场景分类损失函数Lcls为:其中Im为第m张训练图像, 为网络输出的第i个元素。

5.如权利要求4所述的用于道路目标检测的场景建模方法,其特征在于,所述场景变换的损失函数为:其中,

6.一种用于道路目标检测的场景建模装置,其特征在于,包括分块特征获取单元、计算单元、场景变换单元、基础特征获取单元、目标检测单元;

所述分块特征获取单元用于通过目标检测模块的基础网络获得各分块的特征;

所述计算单元用于以一分块特征作为场景分类网络的输入,获得场景分类网络的输出,所述场景分类网络的输出为N个聚类的场景码本的第i个聚类统计的不同目标类别在不同条件下的空间分布热力图所述场景变换单元用于通过场景变换网络T对所述空间分布热力图 进行变换,得到根据输入信息校准后的场景布局特征所述基础特征获取单元用于将 与各分块进行预设方案的上下采样和级联处理后获得卷积神经网络基础特征,所述目标检测单元用于并以此卷积神经网络基础特征作为目标检测模块的输入特征,进行目标检测。

7.如权利要求6所述的用于道路目标检测的场景建模装置,其特征在于,所述场景变换单元包括空间变换模块与精细化处理模块;所述空间变换模块用于进行空间变换处理,具体包括:所述空间变换模块用于:以 以及基础网络的一分块作为输入,通过卷积层处理后将两个特征进行级联;

通过卷积层和全连接层作回归处理,通过空间变换网络求出对应的变换前坐标;

在变换前的热力图上采样,得到经过仿射变换的热力图 作为空间变换网络的输出。

8.如权利要求7所述的用于道路目标检测的场景建模装置,其特征在于,所述精细化处理模块用于以基础网络的一分块以及一经过空间变换网络的输出作为输入,经过一全卷积网络R处理后,输出

9.如权利要求8所述的用于道路目标检测的场景建模装置,其特征在于,还包括损失函数评估单元,用于评估所述场景建模方法的联合训练的损失函数L,所述场景建模方法的联合训练的损失函数L包括场景分类损失函数Lcls和场景变换损失函数Lstn,所述场景分类损失函数Lcls为:其中Im为第m张训练图像, 为网络输出的第i个元素。

10.如权利要求9所述的用于道路目标检测的场景建模装置,其特征在于,所述场景变换的损失函数为:其中,