一种基于YOLOv5和PV-RCNN模型的多模态目标检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于YOLOV5和PV‑RCNN模型的多模态目标检测方法及装置，所述方法包括：基于ARC算子和MPDIoU的损失函数，对YOLOv5模型进行改进；通过点云数据集和图像数据集对PV‑RCNN模型以及改进后的所述YOLOv5模型进行训练；基于所述PV‑RCNN模型以及改进后的所述YOLOv5模型，建立融合预测模型；运行所述融合预测模型，并对所述融合预测模型进行验证。本发明专利技术提供的方法能够提高处理速度和精度，并适应复杂环境。

【技术实现步骤摘要】

本专利技术涉及目标检测领域，尤其涉及一种基于yolov5和pv-rcnn模型的多模态目标检测方法及装置。

技术介绍

1、在现代图像识别
中，图像目标检测作为一个非常热门的研究方向，已有的目标检测算法已经相对成熟。然而，这些算法虽然能够在二维空间中实现较高的识别精度，但存在以下缺陷：首先，现有的图像目标检测算法往往难以有效平衡计算量和精度，特别是在需要实时处理的应用场景中，算法的高精度往往以牺牲处理速度为代价，导致无法满足实时性的要求。其次，大多数算法缺乏在三维空间中获取和处理信息的能力，这限制了它们在复杂环境中的应用效果，在处理复杂场景和多目标时，特别是在目标密集的情况下，检测精度和鲁棒性有待提升。

技术实现思路

1、有鉴于此，本专利技术的目的在于提供了一种基于yolov5和pv-rcnn模型的多模态目标检测方法及装置，能够提高处理速度和精度，并适应复杂环境。

2、第一方面，本专利技术实施例提供了一种基于yolov5和pv-rcnn模型的多模态目标检测方法，其特征在于，包括：

3本文档来自技高网...

【技术保护点】

1.一种基于YOLOv5和PV-RCNN模型的多模态目标检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于YOLOv5和PV-RCNN模型的多模态目标检测方法，其特征在于，ARC算子通过以下步骤获取：

3.根据权利要求1所述的一种基于YOLOv5和PV-RCNN模型的多模态目标检测方法，其特征在于，S3包括以下步骤：

4.根据权利要求3所述的一种基于YOLOv5和PV-RCNN模型的多模态目标检测方法，其特征在于，将所述PV-RCNN模型输出的所述三维边界框转换为所述二维边界框通过以下公式表示：

5.根据权利要求3所述的一种基于...

【技术特征摘要】

1.一种基于yolov5和pv-rcnn模型的多模态目标检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于yolov5和pv-rcnn模型的多模态目标检测方法，其特征在于，arc算子通过以下步骤获取：

3.根据权利要求1所述的一种基于yolov5和pv-rcnn模型的多模态目标检测方法，其特征在于，s3包括以下步骤：

4.根据权利要求3所述的一种基于yolov5和pv-rcnn模型的多模态目标检测方法，其特征在于，将所述pv-rcnn模型输出的所述三维边界框转换为所述二维边界框通过以下公式表示：

5.根据权利要求3所述的一种基于yolov5和pv-rcnn模型的多模态目标检测方法，...

【专利技术属性】
技术研发人员：胡益菲，陈志华，闫龙，马剑，孙嘉辰，杜梦佳，郭世琦，许皖宁，李帅，李威，李俊成，
申请(专利权)人：国网天津市电力公司滨海供电分公司，
类型：发明
国别省市：