一种量化感知训练的点云目标检测方法及装置制造方法及图纸

本说明书公开了一种量化感知训练的点云目标检测方法及装置，可以获取训练样本，将训练样本中的点云样本数据输入到全精度网络中，得到目标检测结果，以对全精度网络进行训练，得到训练后的全精度网络，而后，将训练后的全精度网络进行模型量化，得到量化后网络，量化后网络的参数精度低于全精度网络的参数精度，而后，将训练样本输入到量化后网络中，得到量化后网络得到的目标检测结果，根据标注信息和目标检测结果，对量化后网络进行参数微调训练，得到训练后的量化后网络，最后，将训练后的量化后网络部署在无人驾驶设备中，以使无人驾驶设备通过量化后网络进行点云目标检测，从而在保证准确性的情况下提高了无人驾驶设备的点云检测效率。点云检测效率。点云检测效率。

【技术实现步骤摘要】
一种量化感知训练的点云目标检测方法及装置


[0001]本说明书涉及点云目标检测
，尤其涉及一种量化感知训练的点云目标检测方法及装置。

技术介绍

[0002]当前，目标检测是计算机视觉领域重要的问题之一，在视频监控、智能交通、无人驾驶等领域被广泛运用。
[0003]当前，为了通过点云数据进行目标检测的准确性，进行点云目标检测的模型往往体积较大，需要消耗较多的计算资源，但是，若需要实现无人驾驶设备中的点云检测，由于无人驾驶设备的硬件条件限制，将这种模型部署到无人驾驶设备中，将消耗无人驾驶设备较多的计算资源，进行点云检测的效率也会很慢。而直接通过较小的模型来进行点云检测，则准确率也会下降许多。
[0004]因此，如何提高在无人驾驶设备端进行点云检测的效率，并且，保证点云检测的准确性，则是一个亟待解决的问题。

技术实现思路

[0005]本说明书提供一种量化感知训练的点云目标检测方法及装置，以部分的解决现有技术存在的上述问题。
[0006]本说明书采用下述技术方案：本说明书提供了一种量化感知训练的点云目标检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种量化感知训练的点云目标检测方法，其特征在于，包括：获取训练样本，所述训练样本包括点云样本数据以及标注信息，所述标注信息用于表示所述点云样本数据对应的目标物类别；将所述训练样本中的点云样本数据输入到全精度网络中，得到目标检测结果，以最小化所述目标检测结果与所述标注信息之间的差异为训练目标对所述全精度网络进行训练，得到训练后的全精度网络；将所述训练后的全精度网络进行模型量化，得到量化后网络，所述量化后网络的参数精度低于所述全精度网络的参数精度；将所述训练样本中的点云样本数据输入到所述量化后网络中，得到所述量化后网络得到的目标检测结果，以最小化所述量化后网络得到的目标检测结果与所述标注信息之间的差异为训练目标对所述量化后网络进行参数微调训练，得到训练后的量化后网络；将所述训练后的量化后网络部署在无人驾驶设备中，以使所述无人驾驶设备通过所述量化后网络进行点云目标检测。2.如权利要求1所述的方法，其特征在于，所述全精度网络中包括若干网络层；将所述训练后的全精度网络进行模型量化，得到量化后网络，具体包括：针对所述训练后的全精度网络中的每个网络层，按照预设方式对全精度网络中的该网络层进行量化，得到该网络层对应的量化网络；根据预设的检测样本，确定该网络层对应的量化网络的精准程度；根据各网络层对应的量化网络的精准程度，从各网络层中选取出敏感网络层以及非敏感网络层；根据所述敏感网络层对应的量化调整幅度和所述非敏感网络层对应的量化调整幅度，对所述训练后的全精度网络进行模型量化，得到量化后网络，所述敏感网络层对应的量化调整幅度大于所述非敏感网络层对应的量化调整幅度。3.如权利要求1所述的方法，其特征在于，获取训练样本，具体包括：获取原始点云数据；对所述原始点云数据进行数据增强，得到数据增强后的点云数据；根据所述原始点云数据、所述数据增强后的点云数据以及所述原始点云数据对应的标注信息，获取训练样本。4.如权利要求3所述的方法，其特征在于，所述数据增强包括：将原始点云数据中的部分点添加高斯噪声；对原始点云数据进行关于预设坐标轴的镜像翻转；将原始点云数据进行关于预设坐标轴的旋转；随机放大或者缩小原始点云数据，所述预设坐标轴包括x轴、y轴以及z轴。5.如权利要求1所述的方法，其特征在于，所述全精度网络中包括主干网络、辅助网络和检测网络；所述主干网络中包含若干连续的卷积网络，每个卷积网络用于提取出该卷积网络对应尺寸的卷积特征，所述辅助网络用于将各卷积网络提取出的卷积...

【专利技术属性】
技术研发人员：朱健，陈光，曾令仿，程稳，常璟飞，胡陈枢，黄章敏，
申请(专利权)人：之江实验室，
类型：发明
国别省市：