【技术实现步骤摘要】
本专利技术公开涉及计算机视觉领域，尤其涉及基于多尺度和多维度特征融合的两阶段三维图像关键点检测方法。
技术介绍
1、关键点检测是进行图像分析的关键步骤，其目标是在图像中识别和定位重要关键点及其坐标。卷积神经网络凭借其可自动提取浅层和深层特征的能力，已被证明具有良好的图像关键点检测性能。研究者们提出了一系列针对二维图像和三维图像的关键点检测模型，主要分为端到端和多阶段两类方法，且大多是基于编码器-解码器的卷积神经网络架构实现的，具有优秀的检测性能。
2、由于在三维图像中目标关键点仅占很小的部分，很难准确识别。同时，与二维图像相比，三维图像包含的信息量更大，这也意味图像中有大部分数据是无用的，不仅会对训练时的计算机造成巨大负担，也会影响网络对重点特征的识别与学习。
3、为减少关键点周边强度相近结构的干扰，先前的研究者引入图像处理中的特征融合方法以及自然语言处理中的注意力方法来尝试解决。特征融合方法能加强网络内部特征的信息交互，增强语义信息，减少错误定位情况。注意力方法则可使模型集中在重要的信息上而忽视不重要的信息，可...
【技术保护点】
1.一种基于多尺度和多维度特征融合的两阶段三维图像关键点检测方法，其特征在于，使用两阶段策略与多尺度、多维度特征融合方法对三维图像进行关键点检测；所述方法包括如下步骤：
2.根据权利要求1所述的一种基于多尺度和多维度特征融合的两阶段三维图像关键点检测方法，其特征在于，S1中首先将输入图像送入粗定位网络，获得包含所有目标关键点区域的三维中心点坐标，并根据中心坐标生成代表最大感兴趣区域的矩形块，最后使用矩形块对原图进行裁剪，得到感兴趣区域图像。
3.根据权利要求1所述的一种基于多尺度和多维度特征融合的两阶段三维图像关键点检测方法，其特征在于，S2中...
【技术特征摘要】
1.一种基于多尺度和多维度特征融合的两阶段三维图像关键点检测方法，其特征在于，使用两阶段策略与多尺度、多维度特征融合方法对三维图像进行关键点检测；所述方法包括如下步骤：
2.根据权利要求1所述的一种基于多尺度和多维度特征融合的两阶段三维图像关键点检测方法，其特征在于，s1中首先将输入图像送入粗定位网络，获得包含所有目标关键点区域的三维中心点坐标，并根据中心坐标生成代表最大感兴趣区域的矩形块，最后使用矩形块对原图进行裁剪，得到感兴趣区域图像。
3.根据权利要求1所述的一种基于多尺度和多维度特征融合的两阶段三维图像关键点检测方法，其特征在于，s2中将深度特征送入多维度特征增强注意力，获得深层融合特征：
4.根据权利要求5所述的一种基于多尺度和多维度特征融合的两阶段三维图像关键点检...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。