公开(公告)号：CN114495089B

公开(公告)日：2024-09-06

申请号：CN202111574943.1

申请日：2021-12-21

Applicant: 西安电子科技大学

Inventor： 朱虎明 ,  杨贵鹏 ,  焦李成 ,  李佳昌 ,  王晨 ,  武文韬 ,  惠少雄 ,  王金成 ,  侯彪

IPC: G06V20/64 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提出了一种基于多尺度异源特征自适应融合的三维目标检测方法，主要解决现有技术在单一传感器数据下对低分辨率三维目标检测精度低的问题，其方案为：建立训练、测试样本集；对点云进行体素初始化和关键点采样；构建三维体素特征编码模块编码体素特征；构建三维候选框估计模块估计三维候选框；构建图像特征编码网络编码图像特征；构建异源特征融合模块融合体素特征、图像特征和关键点特征；构建关键点权重估计模块对关键点作二分类；建立输出层，构建三维目标检测模型并对其训练；使用训练好的模型对点云中的三维目标进行检测。本发明改进了对低分辨率三维目标的表征能力，提高了三维目标的检测精度，可应用于机器人导航、三维建模、自动驾驶与虚拟现实。

公开(公告)号：CN112686139A

公开(公告)日：2021-04-20

申请号：CN202011591625.1

申请日：2020-12-29

Applicant: 西安电子科技大学

Inventor： 朱虎明 ,  李思凡 ,  焦李成 ,  杨贵鹏 ,  张泽桐 ,  李佳昌 ,  王晨 ,  张小华 ,  侯彪

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于跨阶段局部多尺度密集连接的遥感图像目标检测方法，主要解决现有技术中不能很好的对遥感图像中多尺度目标进行检测的问题。其实现方案是：1)从公开网站获取遥感图像数据集，将数据集划分为训练集和测试集；2)搭建由主干子网络、特征融合子网络和检测子网络依次连接组成的跨阶段局部多尺度密集连接检测网络；3)用训练集对跨阶段局部多尺度密集连接检测网络进行训练；4)用训练好的网络模型对测试集进行目标检测，输出目标检测结果。本发明具有强化的特征提取能力和对多尺度遥感图像目标检测精度高的优点，可应用于对遥感图像中的多尺度目标识别。

公开(公告)号：CN112686139B

公开(公告)日：2024-02-09

申请号：CN202011591625.1

申请日：2020-12-29

Applicant: 西安电子科技大学

Inventor： 朱虎明 ,  李思凡 ,  焦李成 ,  杨贵鹏 ,  张泽桐 ,  李佳昌 ,  王晨 ,  张小华 ,  侯彪

IPC: G06V10/25 ,  G06V20/10 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了一种基于跨阶段局部多尺度密集连接的遥感图像目标检测方法，主要解决现有技术中不能很好的对遥感图像中多尺度目标进行检测的问题。其实现方案是：1)从公开网站获取遥感图像数据集，将数据集划分为训练集和测试集；2)搭建由主干子网络、特征融合子网络和检测子网络依次连接组成的跨阶段局部多尺度密集连接检测网络；3)用训练集对跨阶段局部多尺度密集连接检测网络进行训练；4)用训练好的网络模型对测试集进行目标检测，输出目标检测结果。本发明具有强化的特征提取能力和对多尺度遥感图像目标检测精度高的优点，可应用于对遥感图像中的多尺度目标识别。

公开(公告)号：CN115082674B

公开(公告)日：2024-09-06

申请号：CN202210816612.2

申请日：2022-07-12

Applicant: 西安电子科技大学

Inventor： 朱虎明 ,  李佳昌 ,  杨贵鹏 ,  惠少雄 ,  王光磊 ,  王金成 ,  田小林 ,  侯彪

IPC: G06V10/25 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提出了一种基于注意力机制的多模态数据融合三维目标检测方法，实现步骤为：建立训练和测试样本集并对数据进行预处理；构建基于注意力机制的多模态数据融合三维目标检测网络；定义基于注意力机制的多模态数据融合三维目标检测网络的损失函数；对网络模型进行迭代训练；获取三维目标的检测结果。本发明利用特征学习网络，初步提取出一些候选区域，然后将候选区域中的点云数据、点的位置特征以及对应的图像信息进行了融合，充分利用了点云的规则化空间位置信息、点特征的精细化空间结构信息和图像的语义信息，减小了误差累积，进而提高了局部空间出现多个目标时的检测精度。

公开(公告)号：CN115082674A

公开(公告)日：2022-09-20

申请号：CN202210816612.2

申请日：2022-07-12

Applicant: 西安电子科技大学

Inventor： 朱虎明 ,  李佳昌 ,  杨贵鹏 ,  惠少雄 ,  王光磊 ,  王金成 ,  田小林 ,  侯彪

IPC: G06V10/25 ,  G06N3/04 ,  G06N3/08 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提出了一种基于注意力机制的多模态数据融合三维目标检测方法，实现步骤为：建立训练和测试样本集并对数据进行预处理；构建基于注意力机制的多模态数据融合三维目标检测网络；定义基于注意力机制的多模态数据融合三维目标检测网络的损失函数；对网络模型进行迭代训练；获取三维目标的检测结果。本发明利用特征学习网络，初步提取出一些候选区域，然后将候选区域中的点云数据、点的位置特征以及对应的图像信息进行了融合，充分利用了点云的规则化空间位置信息、点特征的精细化空间结构信息和图像的语义信息，减小了误差累积，进而提高了局部空间出现多个目标时的检测精度。

公开(公告)号：CN114495089A

公开(公告)日：2022-05-13

申请号：CN202111574943.1

申请日：2021-12-21

Applicant: 西安电子科技大学

Inventor： 朱虎明 ,  杨贵鹏 ,  焦李成 ,  李佳昌 ,  王晨 ,  武文韬 ,  惠少雄 ,  王金成 ,  侯彪

IPC: G06V20/64 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于多尺度异源特征自适应融合的三维目标检测方法，主要解决现有技术在单一传感器数据下对低分辨率三维目标检测精度低的问题，其方案为：建立训练、测试样本集；对点云进行体素初始化和关键点采样；构建三维体素特征编码模块编码体素特征；构建三维候选框估计模块估计三维候选框；构建图像特征编码网络编码图像特征；构建异源特征融合模块融合体素特征、图像特征和关键点特征；构建关键点权重估计模块对关键点作二分类；建立输出层，构建三维目标检测模型并对其训练；使用训练好的模型对点云中的三维目标进行检测。本发明改进了对低分辨率三维目标的表征能力，提高了三维目标的检测精度，可应用于机器人导航、三维建模、自动驾驶与虚拟现实。