公开(公告)号：CN113870160A

公开(公告)日：2021-12-31

申请号：CN202111060998.0

申请日：2021-09-10

Applicant: 北京交通大学

Inventor： 王旭 ,  曾宇乔 ,  金一 ,  岑翼刚 ,  孙宇霄 ,  李浥东 ,  郎丛妍 ,  王涛 ,  冯松鹤

IPC: G06T5/50 ,  G06T17/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于变换器神经网络的点云数据处理方法。该方法包括：构建三维物体对称检测模型，通过检测物体对称面/轴获取输入的点云数据的对称点，将点云数据的投影平面转换为对称结构的旋转平移操作，得到多组数据据增强后的点云图数据；通过变换器网络模型提取多组数据据增强后的点云图数据的全局特征信息和局部特征信息，得到下采样后的点云数据；结合不同的目标任务需求，构建任务驱动的任务网络模型，将下采样后的点云数据输入到任务网络模型，得到目标任务结果。本发明有效结合三维物体对称检测模型与变换器网络模型，能够在提高下采样模型鲁棒性的同时，进而具有最小化目标任务精度损失的能力，提升下采样规模和目标任务的精确度。

公开(公告)号：CN117911710A

公开(公告)日：2024-04-19

申请号：CN202311750746.X

申请日：2023-12-19

Applicant: 北京交通大学 ,  中移雄安信息通信科技有限公司

Inventor： 金一 ,  田卉 ,  王元喆 ,  曾宇乔 ,  李浥东 ,  苏楦雯

IPC: G06V10/44 ,  G06V10/771 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明提供一种多光谱目标检测模型训练方法、目标检测方法及系统，属于基于深度学习的目标检测技术领域。本发明面对恶劣天气等目标可视性差等问题时，在轮廓增强模块实现数据增强的效果，显著提升目标检测的准确性和鲁棒性。加入轻量化融合聚焦模块，将特征细分为高频和低频特征，在保证模型较低计算量的同时，更好地从可见光和红外模态中提取细节信息，将不同空间位置目标的关键信息聚焦到可见光‑红外模态上，利用Transformer的自注意机制对可见光‑红外特征的互补信息进行适当融合。对比度桥模块，利用对比度学习的思想来指导模型提高其在VIS‑IR场景中感知模态不变特征的能力，弥合可见光和红外模态之间的差距，使其适应真实的复杂的可见‑红外场景。

公开(公告)号：CN113870160B

公开(公告)日：2024-02-27

申请号：CN202111060998.0

申请日：2021-09-10

Applicant: 北京交通大学

Inventor： 王旭 ,  曾宇乔 ,  金一 ,  岑翼刚 ,  孙宇霄 ,  李浥东 ,  郎丛妍 ,  王涛 ,  冯松鹤

IPC: G06T5/50 ,  G06T5/60 ,  G06T17/00 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供了一种基于变换器神经网络的点云数据处理方法。该方法包括：构建三维物体对称检测模型，通过检测物体对称面/轴获取输入的点云数据的对称点，将点云数据的投影平面转换为对称结构的旋转平移操作，得到多组数据据增强后的点云图数据；通过变换器网络模型提取多组数据据增强后的点云图数据的全局特征信息和局部特征信息，得到下采样后的点云数据；结合不同的目标任务需求，构建任务驱动的任务网络模型，将下采样后的点云数据输入到任务网络模型，得到目标任务结果。本发明有效结合三维物体对称检测模型与变换器网络模型，能够在提高下采样模型鲁棒性的同时，进而具有最小化目标任务精度损失的能力，提升下采样规模