公开(公告)号：CN119559629A

公开(公告)日：2025-03-04

申请号：CN202411624647.1

申请日：2024-11-14

Applicant: 中北大学

Inventor： 张静 ,  刘飞宇 ,  王亦楠

IPC: G06V20/64 ,  G06V10/40 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种面向体素的端到端的3D目标检测方法，包括以下步骤：A1点云数据输入和数据增强；A2主干网络特征提取：点云数据体素化之后，经过两个IDW‑MSA模块的处理，提取出丰富的特征信息；A3检测与分类。本发明通过引入IDW模块，使用大核卷积，大幅增加了模型的感受野，引入MSA模块，使用神经元感知注意力机制，无需增加额外的参数，还显著提升了计算效率，同时保持了较高的检测精度；与现有技术相比，本发明方法在复杂背景下的目标检测准确率和速度都有显著提升。

公开(公告)号：CN119559601A

公开(公告)日：2025-03-04

申请号：CN202411631238.4

申请日：2024-11-15

Applicant: 中北大学

Inventor： 张静 ,  王亦楠 ,  刘飞宇

IPC: G06V20/56 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/094

Abstract: 本发明公开了一种智能辅助驾驶系统的显著性目标检测方法，包括以下步骤：步骤一、通过车载图像采集设备，实时获取基于驾驶员视觉区域的驾驶场景图像并进行预处理；步骤二、主干网络进行底层多尺度特征提取、交互、和特征信息的全局增强，提取出丰富的多尺度特征信息；步骤三、颈部网络中包括AESwinTransformer注意力模块、TFG网络中的跨层特征引导融合模块和多层次特征交互融合模块，将主干网络中提取到的多层次特征融合到一块；步骤四、对特征图进行检测和分类；步骤五、将对抗样本和正常样本混合输入模型，使用训练好的模型进行对抗训练。本发明能够提高对小型显著性目标的检测精度，提高模型在复杂环境中的泛化能力和鲁棒性，减少无关场景信息的干扰。