典型文献
基于双目视觉的三维目标检测算法研究
文献摘要：
随着无人驾驶技术的革新与发展,三维目标检测技术进入了大众的视野,相比于传统的基于激光雷达和基于单目的三维目标检测算法,基于双目视觉的检测技术具有更高的性价比,但是其检测效果仍待提高.因此,本文提出一种基于改进立体区域卷积神经网络(Stereo Region Convolutional Neural Network,Stereo RCNN)算法的F R-CNN三维目标检测算法.本文所提算法通过在Stereo R-CNN算法的特征提取网络中加入频域通道注意力模块(Frequency Channel Attention Network,FcaNet),使模型从特征多样性的角度出发关注更多与目标相关的语义信息,减轻深层残差网络权重变化所带来的影响,提升网络的特征提取能力.与此同时,引入统一动态样本加权策略,在进行训练时合理分配多任务间的损失权重,在关注"困难"样本重要程度的同时考虑"简单"样本的贡献度,提取目标更为全面的关键特征信息.实验结果表明,改进后的FR-CNN三维目标检测算法较StereoR-CNN算法在三维目标定位平均精度上提升了 3％,在三维目标检测平均精度上提升了约2％.
文献关键词：
三维目标检测;区域卷积神经网络;统一动态样本加权
中图分类号：
作者姓名：
王一强;陶洋
作者机构：
重庆邮电大学通信与信息工程学院,重庆400065
文献出处：
引用格式：
[1]王一强;陶洋-.基于双目视觉的三维目标检测算法研究)[J].微电子学与计算机,2022(02):19-25
A类：
统一动态样本加权,StereoR
B类：
双目视觉,三维目标检测,目标检测算法,算法研究,无人驾驶技术,激光雷达,单目,性价比,检测效果,区域卷积神经网络,Region,Convolutional,Neural,Network,RCNN,特征提取网络,频域,通道注意力模块,Frequency,Channel,Attention,FcaNet,特征多样性,目标相关,语义信息,深层残差网络,特征提取能力,入统,合理分配,多任务,失权,重要程度,贡献度,关键特征,特征信息,FR,目标定位
AB值：
0.306177
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。
