-
题名联合多注意力和C-ASPP的单目3D目标检测
被引量:1
- 1
-
-
作者
郑自立
徐健
刘秀平
刘高峰
赵一剑
夏代洪
-
机构
西安工程大学电子信息学院
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2023年第8期241-248,共8页
-
基金
陕西省科技厅项目(2018GY-173)
西安市科技局项目(GXYD7.5)资助。
-
文摘
针对单目3D检测中网络结构复杂、深度估计后得到的目标深度信息不精确的问题,本文提出一种端到端的联合多注意力深度估计的单目3D目标检测网络结构(CDCN-3D)。首先,为获取目标显著特征,引入自适应空间注意力机制,对像素特征进行聚集,以增强局部特征来提升网络表征能力;其次,为改善深度估计时局部信息丢失问题,利用改进C-ASPP使每个深度信息都能够捕获更加精确的方向感知和位置敏感信息;最后,利用精确的P-BEV将得到的目标三维信息映射到二维平面,再用单级目标检测器完成检测输出任务。实验结果证明,CDCN-3D网络在KITTI数据集上,在FPS与现有单目3D检测网络持平情况下,其准确率优于其他网络,在Car、Pedestrian、Cyclist类中,其检测精确度分别提升2.31%、1.48%、1.14%,能够完成3D目标检测任务。
-
关键词
单目3d目标检测
深度估计
多注意力机制
机器视觉
自动驾驶
-
Keywords
monocular 3d target detection
depth estimation
multi-attention mechanism
machine vision
autonomous driving
-
分类号
TN966.6
[电子电信—信号与信息处理]
-
-
题名联合实例深度的多尺度单目3D目标检测算法
- 2
-
-
作者
王凤随
熊磊
钱亚萍
-
机构
安徽工程大学电气工程学院
检测技术与节能装置安徽省重点实验室
高端装备先进感知与智能控制教育部重点实验室
-
出处
《激光与光电子学进展》
CSCD
北大核心
2023年第16期230-238,共9页
-
基金
安徽省自然科学基金(2108085MF197,1708085MF154)
安徽高校省级自然科学研究重点项目(KJ2019A0162)
+2 种基金
检测技术与节能装置安徽省重点实验室开放基金(DTESD2020B02)
安徽工程大学国家自然科学基金预研项目(Xjky2022040)
安徽高校研究生科学研究项目(YJS20210448、YJS20210449)。
-
文摘
针对单目3D目标检测算法中存在图像缺乏深度信息以及检测精度不佳的问题,提出一种联合实例深度的多尺度单目3D目标检测算法。首先,为了增强模型对不同尺度目标的处理能力,设计基于空洞卷积的多尺度感知模块,同时考虑到不同尺度特征图之间的不一致性,从空间和通道两个方向对包含多尺度信息的深度特征进行重新精炼。其次,为了使模型获得更好的3D感知,将实例深度信息作为辅助学习任务来增强3D目标的空间深度特征,并使用稀疏实例深度来监督该辅助任务。最后,在KITTI测试集以及评估集上对所提算法进行验证。实验结果表明,所提算法相较于基线算法在汽车类别的平均精度提升了5.27%,有效提升了单目3D目标检测算法的检测性能。
-
关键词
测量
单目3d目标检测
实例深度学习
多尺度
注意力机制
辅助学习
-
Keywords
measurement
monocular 3d object detection
instance depth estimation
multiscale
attention mechanism
auxiliary learning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-