-
题名基于上下文信息增强和深度引导的单目3D目标检测
- 1
-
-
作者
于家艺
吴秦
-
机构
江南大学人工智能与计算机学院
江南大学江苏省模式识别与计算智能工程实验室
-
出处
《浙江大学学报(工学版)》
北大核心
2025年第1期89-99,共11页
-
基金
国家自然科学基金资助项目(61972180).
-
文摘
为了充分利用单目图像提供的特征信息,提出上下文信息增强和深度引导的单目3D目标检测方法.设计高效的上下文信息增强模块,使用多个大核卷积自适应地增强多尺度目标的上下文信息,利用深度可分离卷积和条形卷积操作有效减少大核卷积的参数量和计算复杂度.统计分析3D目标框各个属性的预测误差,发现3D目标框的长度和深度属性预测不准确是导致预测框偏差大的主要原因.设计深度误差加权损失函数,在训练过程中进行目标的长度和深度预测监督,提高长度和深度属性的预测精度,进而提升3D预测框的准确性.在KITTI数据集上开展实验,结果表明,所提方法在数据集的多个级别上的平均准确度高于现有的单目3D目标检测方法.
-
关键词
单目3D目标检测
大核卷积
深度可分离卷积
条形卷积
多尺度目标
-
Keywords
monocular 3D object detection
large kernel convolution
depth-wise separable convolution
strip convolution
multi-scale object
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
