典型文献
基于深度学习的3D目标检测算法研究
文献摘要：
虽然Voxel R-CNN对于3D点云目标检测具有快速性以及对车辆目标检测有较高精度,但对行人以及骑车人目标存在检测精度低的问题.介绍了一种多尺度改进的体素ROI池化方法,并在BEV特征提取网络中引入通道注意力机制,进一步提高算法对于小目标检测的精度.实验结果表明,提出的算法不仅保持了对于车辆检测的较高精度,并且在行人以及骑车人目标检测场景中拥有更高的检测精度.
文献关键词：
3D点云目标检测;通道注意力;多尺度;Voxel R-CNN
中图分类号：
作者姓名：
康晴;汤超;李婧萱;崔振
作者机构：
南京理工大学自动化学院,江苏 南京 210094;南京理工大学计算机科学与工程学院
文献出处：
引用格式：
[1]康晴;汤超;李婧萱;崔振-.基于深度学习的3D目标检测算法研究)[J].计算机时代,2022(06):44-48
A类：
B类：
目标检测算法,算法研究,Voxel,点云目标检测,快速性,车辆目标检测,骑车人,检测精度,ROI,池化,BEV,特征提取网络,通道注意力机制,小目标检测,车辆检测
AB值：
0.329045
相似文献
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。
