典型文献
基于改进热图损失函数的目标6D姿态估计算法
文献摘要：
针对传统热图回归使用的均方误差(MSE)损失函数训练热图回归网络的精度不高且训练缓慢的问题,本文提出了用于热图回归的损失函数Heatmap Wing Loss(HWing Loss).该损失函数对于不同的像素值有不同的损失函数值,前景像素的损失函数梯度更大,可以使网络更加关注前景像素,使热图回归更加准确快速.同时根据热图分布特性,使用基于高斯分布的关键点推理方法减小热图推断关键点时的量化误差.以此两点为基础,构造新的基于关键点定位的单目标姿态估计的算法.实验结果表明,相比于使用MSE Loss的算法,使用HWing Loss的姿态估计算法有更高的ADD(-S)准确率,在LINEMOD数据集上达到了88.8％,性能优于近期其他的基于深度学习的姿态估计算法.本文算法在RTX3080 GPU上最快能以25 fps的速度运行,兼具速度与性能优势.
文献关键词：
深度学习;姿态估计;损失函数;热图
中图分类号：
作者姓名：
林林;王延杰;孙海超
作者机构：
中国科学院长春光学精密机械与物理研究所,吉林长春130033;中国科学院大学,北京100049
文献出处：
引用格式：
[1]林林;王延杰;孙海超-.基于改进热图损失函数的目标6D姿态估计算法)[J].液晶与显示,2022(07):913-923
A类：
热图损失,HWing,LINEMOD,RTX3080
B类：
损失函数,6D,姿态估计算法,均方误差,MSE,Heatmap,Loss,像素,函数值,景像,准确快速,分布特性,高斯分布,推理方法,量化误差,两点,关键点定位,单目标,ADD,上达,GPU,fps,性能优势
AB值：
0.2751
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
