基于自适应卷积和智能标签分配的单目三维目标检测方法技术

本发明专利技术提供一种基于自适应卷积和智能标签分配的单目三维目标检测方法，涉及目标检测技术领域，包括如下步骤：对3D数据进行数据增强；将增强后的数据分为训练集和测试集；通过训练集进行目标检测神经网络模型的训练，用测试集验证目标检测神经网络模型；通过训练好的目标检测神经网络模型进行实际场景的目标检测；所述目标检测神经网络模型的架构包括主干网络部分和检测头部分；检测头部分的结构为：两个并行的自适应卷积层，第一自适应卷积单元后连接softmax层和分类层，第二自适应卷积单元后连接回归层；分类层和回归层连接标签分配模块。本发明专利技术的网络架构通过引入自适应卷积核和动态特征融合技术，实现了高效的特征提取和精准的分类及回归能力，从而在3D目标检测任务上达到高精度。

【技术实现步骤摘要】

本专利技术涉及目标检测，尤其涉及一张单目三维目标检测方法。

技术介绍

1、在自动驾驶领域，数据增强技术发挥着至关重要的作用。它不仅可以有效增加数据的多样性、防止模型过拟合，还能模拟实际驾驶场景中的困难样本，从而确保系统的稳定性和安全性。alexnet使用随机剪裁、翻转和旋转使训练数据增加从而提升了网络的整体性能。resnet使用了随机缩放然后翻转、剪裁，最后再进行色彩增强。这些基础的数据增强方式可以被划分为以下几种：缩放、剪裁、翻转、仿射变换、hsv变换。

2、近年来，数据增强技术也不断发展。yolov4首次提出mosaic数据增强方式，它通过将四张不同的训练图像拼接成一张新图像来增加数据多样性。这种方法有效提高了目标检测模型的泛化能力和性能。mixup通过混合两张图片的像素矩阵和相应的标注信息来增强训练数据。这种线性插值的方式不仅增加了图像的多样性，还有助于模型学习处理标签噪声。yolox进一步将mosaic和mixup结合应用于数据增强，并策略性地在训练的最后阶段关闭数据增强，显著提升了模型性能。

3、目前，三维目标检测技术在实本文档来自技高网...

【技术保护点】

1.一种基于自适应卷积和智能标签分配的单目三维目标检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于自适应卷积和智能标签分配的单目三维目标检测方法，其特征在于，所述数据增强包括Mosaic数据增强、RandomAffine变换、Mixup图像融合以及RandomHSV调整。

3.根据权利要求3所述的一种基于自适应卷积和智能标签分配的单目三维目标检测方法，其特征在于，所述Mosaic数据增强的步骤如下：

4.根据权利要求1所述的一种基于自适应卷积和智能标签分配的单目三维目标检测方法，其特征在于，所述主干网络的具体连接如下：

...

【技术特征摘要】

1.一种基于自适应卷积和智能标签分配的单目三维目标检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于自适应卷积和智能标签分配的单目三维目标检测方法，其特征在于，所述数据增强包括mosaic数据增强、randomaffine变换、mixup图像融合以及randomhsv调整。

3.根据权利要求3所述的一种基于自适应卷积和智能标签分配的单目三维目标检测方法，其特征在于，所述mosaic数据增强的步骤如下：

4.根据权利要求1所述的一种基于自适应卷积和智能标签分配的单目三维目标检测方法，其特征在于，所述主干网络的具体连接如下：

5.根据权利要求1所述的一种基于自适应卷积和智能标签分配的单目三维目标检测方法，其特征在于，所述标签分配模块中的算法如下...

【专利技术属性】
技术研发人员：黎润霖，阴明旭，刘瑞，张欣宇，邹倩颖，
申请(专利权)人：四川吉利学院，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人