-
题名基于双目视觉的三维车辆检测算法
被引量：1
- 1
-
-
作者
陶洋
汤新玲
-
机构
重庆邮电大学通信与信息工程学院
-
出处
《微电子学与计算机》
2024年第5期40-48,共9页
-
文摘
在自动驾驶中,车辆的三维目标检测是一项重要的场景理解任务。相比于昂贵的雷达设备,借助双目设备的三维目标检测方法有成本低定位准确的特点。基于立体区域卷积神经网络(Stereo RCNN)提出了一种用于双目视觉的三维目标检测OC-3DNet算法,有效地提高了检测精度。针对特征提取高分辨率与感受野的矛盾,结合特征提取网络与注意力引导特征金字塔(AC-FPN),有效地提高了算法对小目标的检测精度。针对三维中心投影检测误差大的问题,建立了一种新的三维中心投影与二维中心的约束关系,进一步提升了三维目标检测的精度。实验结果表明,改进后的OC-3DNet算法在以0.7为阈值的三维目标检测上平均精度为43%,较Stereo R-CNN三维目标检测的平均精度提升了约3%。
-
关键词
双目视觉
三维目标检测
ac-fpn
三维中心点预测
-
Keywords
binocular vision
3D target detection
ac-fpn
prediction of 3D center
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进YOLACT的堆叠零件实例分割算法
- 2
-
-
作者
张笑尘
晁永生
李豪玉
周方圆
李学玮
王传钊
-
机构
新疆大学智能制造现代产业学院
-
出处
《组合机床与自动化加工技术》
北大核心
2024年第12期35-40,共6页
-
基金
国家自然科学基金项目(52365065)。
-
文摘
为了解决堆叠环境下零件实例分割精度差的问题,提出了一种改进YOLACT算法。通过在主干网络中C3和C4层引入多级特征融合与通道注意力机制模块(MLCA),优化了特征提取的精度。为了在保证图像同时获取多感受野信息,采用上下文特征金字塔模块(AC-FPN)结构替代传统FPN金字塔,获取更多感受野,以准确完成预测。通过自制堆叠零件数据集完成网络训练与实验。对比实验表明,改进后的YOLACT算法在未明显提升运行时间的基础上,相较原算法表现出更优的检测与分割效果。
-
关键词
堆叠零件
实例分割
YOLACT
MLCA
ac-fpn
-
Keywords
cluttered parts
instance segmentation
YOLACT
MLCA
ac-fpn
-
分类号
TH164
[机械工程—机械制造及自动化]
TG65
[金属学及工艺—金属切削加工及机床]
-
-
题名基于GA-RetinaNet的水下目标检测
被引量：7
- 3
-
-
作者
袁明阳
宋亚林
张潮
沈兴盛
李世昌
-
机构
河南大学软件学院
-
出处
《计算机系统应用》
2023年第6期80-90,共11页
-
基金
河南省科技研发项目(212102210078)
河南省重大科技专项(201300210400)
河南省重点研发与推广专项(科技攻关)(202102210380)。
-
文摘
水下目标自动检测方法对海洋智能捕捞工作发挥着重要作用,针对现有目标检测方法存在的对水下生物检测精度不高问题,提出了一种GA-RetinaNet算法的水下目标检测方法.首先,针对水下图像存在密集目标的特点,通过引入分组卷积替换普通卷积,在不增加参数复杂度的基础上得到更多特征图,提高模型的检测精度;其次,根据水下生物多为小目标生物的特点,引入上下文特征金字塔模块(AC-FPN),利用上下文提取模块保证高分辨率输入的同时获得多个感受野,提取到更多上下文信息,并通过上下文注意力模块和内容注意力模块从中捕获有用特征,准确定位到目标位置.实验结果显示,选用URPC2021数据集进行实验,改进的GA-RetinaNet算法比原算法检测精度提高了2.3%.相比其他主流模型,该算法对不同类型的水下目标均获得了较好的检测结果,检测精度有较大提升.
-
关键词
目标检测
水下图像
RetinaNet
分组卷积
ac-fpn
-
Keywords
object detection
underwater images
RetinaNet
group convolution
attention-guided context feature pyramid network(ac-fpn)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
