融合深度残差网络和注意力机制的3D目标检测 |
| |
引用本文: | 赵瑞,陶兆胜,宫保国,李庆萍,吴浩.融合深度残差网络和注意力机制的3D目标检测[J].齐齐哈尔大学学报(自然科学版),2023(1):31-41. |
| |
作者姓名: | 赵瑞 陶兆胜 宫保国 李庆萍 吴浩 |
| |
作者单位: | 安徽工业大学机械工程学院 |
| |
基金项目: | 安徽省自然科学基金面上项目(2108085ME166);;安徽高校自然科学研究项目重点项目(KJ2021A0408); |
| |
摘 要: | 针对Frustum-PointNets的实例分割网络结构单一且卷积深度较深、易出现特征丢失和过拟合,检测准确率较低的问题,提出了一种改进的Frustum-PointNets网络。该网络首先构建深度残差网络并融入实例分割网络,提高特征提取能力,解决深层网络的退化问题;引入双重注意力网络以增强特征,提高分割效果;运用Log-Cosh Dice Loss解决样本不均衡,加快网络训练;使用Mish激活函数保留特征信息;最后基于Kitti和SUN RGB-D两个数据集进行实验验证本文算法的有效性。实验结果表明,本文算法相对于Frustum-PointNets,在Kitti数据集中,3D框检测精度提高了0.2%~13.0%;鸟瞰图的3D框检测精度提高了0.2%~11.3%。在SUN RGB-D数据集中,本文算法的3D框检测精度提高了0.6%~16.2%,平均检测精度(m AP)提高了4.4%。实验验证,本文算法在室外和室内场景中获得较好的目标检测及分割效果。
|
关 键 词: | 3D目标检测 实例分割网络 深度残差网络 双重注意力模块 Log-Cosh Dice Loss |
|
|