公开(公告)号：CN115731398A

公开(公告)日：2023-03-03

申请号：CN202211452283.4

申请日：2022-11-18

Applicant: 上海应用技术大学

Inventor： 朱勇建 ,  王嘉钰 ,  王栋 ,  张裕 ,  李长旭 ,  刘云翔

IPC: G06V10/44 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于伪图像的点云与图像融合三维目标检测方法，包括步骤1：获取不同传感器采集到的数据并进行预处理；步骤2：对获得的点云数据进行伪图像化；步骤3：将伪图像数据与图像数据送入主干网络，在特征层进行融合，获得多尺度融合特征，最终实现雷达点云与图像融合的三维目标检测。该方法结合了不同传感器得到数据的优势，实现了差异互补，并且在多尺度上进行特征提取，在特征层进行融合，对于实际情况下的不同尺寸的目标都有好的检测效果，兼具了识别效率与识别速度。

公开(公告)号：CN115937636A

公开(公告)日：2023-04-07

申请号：CN202211703954.X

申请日：2022-12-29

Applicant: 上海应用技术大学

Inventor： 朱勇建 ,  李长旭 ,  王栋 ,  张裕 ,  王嘉钰 ,  刘云翔

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06V20/58 ,  G06V10/25 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/762

Abstract: 本发明提供一种基于深度学习用于无人驾驶的交通目标检测方法，在现有的成熟模型YOLOv5基础上,通过在SPP模块前加入一种改进的卷积与自注意力机制融合的ACmix模块、增加多尺度目标检测层，接下来下载并处理BDD100K数据集，构建用于模型训练的训练集、验证集和测试集，最后将BDD100K数据集送入构建好的基于YOLOv5改进的交通目标检测模型进行模型的训练、测试、评估；在模型构建阶段，引入的ACmix模块更有利于提取目标特征。在训练阶段，将送入的数据集中不包含交通目标的图像进行删除，以免干扰模型的训练，加速网络收敛。在评估阶段，通过调整模型的宽度和深度，优化模型的精确度和速度，以满足实际应用的需求。