买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京理工大学

摘要：本发明公开了适用极端天气下基于迁移学习的单目相机3D目标检测方法，利用迁移学习将正常天气和雨雪雾天气数据集中训练，首先获取图像源域和目标域的数据，利用Resnet‑50或Resnet‑101等主干网络提取基础图像特征，并使用深度预测器获取输入图像的深度特征。随后，通过自注意力层和前馈神经网络对图像的视觉信息和深度信息进行编码，得到视觉特征和深度特征。利用深度交叉注意层和视觉交叉注意层融合不同特征，并通过交叉查询自注意力层捕获序列中的复杂关系。将这些关系输入到前馈神经网络细化特征表示，并通过头部网络生成目标预测结果。最后，通过将目标预测结果和数据集标注真实值输入到预设的损失函数中，使得模型在源域和目标域中均取得良好的检测效果。

主权项：1.适用极端天气下基于迁移学习的单目相机3D目标检测方法，其特征在于，所述方法包括：S1：获取图像源域sourcedomain数据和目标域targetdomain数据，构建网络模型，采用Resnet-50或Resnet-101作为模型的主干网络Backbone，以提取基础图像特征；把基础图像特征中下采样倍数最高的抽象特征作为图像的视觉特征，通过深度预测器DepthPredictor，结合多层级特征融合方法获得输入图像的深度特征；S2：对输入图像的视觉特征信息和深度特征信息分别通过视觉编码器VisualEncode和深度编码器DepthEncode进行编码，得到进一步的视觉特征和深度特征；S3：利用深度交叉注意层DepthCross-Attention融合目前查询Query与深度特征；利用交叉查询自注意力层Inter-QuerySelf-Attention，捕获序列中不同元素间的复杂关系；最后通过视觉交叉注意层VisualCross-Attention融合视觉特征和上一步生成的目标查询Query与深度特征；S4：把查询结果输入到前馈神经网络FFN中，细化特征表示，并输入到头部网络Head中，所述头部网络包括至少一个多层感知器MLP，生成目标预测结果；S5：将所述目标预测结果和数据集中的标注真实值输入到损失函数中，更新模型参数，即得到优化后的目标检测模型。

全文数据：

权利要求：

百度查询： 北京理工大学 适用极端天气下基于迁移学习的单目相机3D目标检测方法