| |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
-> 人工智能 -> Pointpillars(一)模型结构 -> 正文阅读 |
|
[人工智能]Pointpillars(一)模型结构 |
1.模型结构 ? Pointpillars接收点云作为输入,计算输出带方向的3D目标框,模型结构可以分为三个部分: ? (1)Pillar Feature Net:将输入的点云转换为稀疏伪图像; ? (2)2D Backbone:使用2D的CNN Backbone处理伪图像,得到2维特征图; ? (3)SSD Detection Head:使用SSD检测头,检测和回归3D边界框。 1.1 Pointcloud to Pseudo-Image ?????? 为了使用2D CNN backbone,首先需要将3维点云信息转为2D的伪图像。 (1)针对一帧输入点云图,在鸟瞰图下对平面进行网格化分割,z方向不进行分割,得到 (2)为了使最终得到整齐的特征图,提取非空的 (3)对柱子中的每个点取 ??????? 这样一个点云样本就表示成 ?(4)得到点云的pillar表示的张量后,需要对其进行特征提取,使用简化的PointNet,对每个pillar中的点使用多层感知机(线性全连接层+BN+Relu)从 ?(5)对 1.2 Backbone ??? Backbone包含2个子网络: (1)a top-down network ,用于生成不同尺度的特征图,网络由一系列的Block(S,L,F)组成,S为stride,L为3×3的卷积,F为输出通道,每个Block都包含BatchNorm和ReLU;网络包含3个Block:Block1(S,4,C),Block2(2S,6,2C),Block3(4S,6,4C)。 (2)a second network,通过上采样(deconv)和拼接操作得到特征图,top-down网络的每个Block的输出都会进行上采样,Up 1.3 Detection Head ???? 使用SSD作为检测网络。将预选框与ground truth进行2D IoU 匹配,Bounding box的高和海拔不参与匹配,但会对高和海拔进行回归。 2. 损失函数 ??? 采用与SECOND相同的损失函数,包括定位回归损失 2.1 位置回归损失 ? ?? Ground truth boxes和anchors定义: ??? ? ? ? 2.2 heading损失 ?heading损失使用离散方向softmax分类损失。 2.3 目标分类损失 ?目标分类损失使用focal loss:
2.4 损失函数 最终的损失函数为: ? 3.训练策略 ??? 训练优化器:Adam optimizer ??? 学习率:初始学习率为 ??? 训练总epoch:160 ??? ?? |
|
|
上一篇文章 下一篇文章 查看所有文章 |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
360图书馆 购物 三丰科技 阅读网 日历 万年历 2025年2日历 | -2025/2/19 10:26:48- |
|
网站联系: qq:121756557 email:121756557@qq.com IT数码 |
|