申请/专利权人：北京航空航天大学

申请日：2023-12-27

公开（公告）日：2024-03-19

公开（公告）号：CN117726906A

主分类号：G06V10/774

分类号：G06V10/774;G06V10/82;G06V10/25;G06V10/44;G06V10/80;G06V20/56;G06V20/64;G06N3/045;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明提出一种LiDAR‑Free单目3D目标检测知识蒸馏的方法。该方法不依赖于激光雷达数据，直接使用伪深度图与RGB图像作为教师网络的输入，通过伪深度图与RGB图像进行特征融合，保证语义信息不丢失；在知识蒸馏网络中，引入斯皮尔曼系数关联蒸馏、场景关联蒸馏，以及结合标签扩散的目标响应蒸馏，实现高精度单目3D目标检测知识蒸馏。

主权项：1.一种LiDAR-Free的单目3D目标检测知识蒸馏方法，其特征在于包括如下步骤：1伪深度图生成：在BEV视角下根据相机成像特性确定相机能够看到的最左与最右角点以获得可视角点集合；根据直线深度均匀变化这一规则，确定采样的x坐标密度，并依次计算每一采样点深度z；将采样点投影回2D图像平面内，生成以目标为中心的伪深度图；优先计算出上下表面的投影点以及对应可视深度，随后对垂直方向上、介于上下表面之间的所有采样点，其深度均用上下表面深度代替，实现高质量伪深度图快速生成；2伪深度图与RGB图像特征融合：教师网络部分分别引入骨干网络提取RGB图像中的语义信息、伪深度图中的深度信息，进而将这两种信息进行融合，将融合后的特征信息用于教师网络的训练，骨干网络优选为DLA34；3知识蒸馏：在知识蒸馏网络中，教师网络部分分别引入骨干网络提取RGB图像中的语义信息、伪深度图中的深度信息，进而将这两种信息进行融合，将融合后的特征用于教师网络的训练；学生网络使用RGB图像作为输入进行训练，教师网络与学生网络两者网络结构保持一致，对教师网络和学生网络进行知识蒸馏；在知识蒸馏网络中，经过模型Neck层得到中间特征图后，直接对中间特征图进行斯皮尔曼关联蒸馏与场景关联蒸馏；经过检测头得到预测结果后，再对预测结果进行目标响应蒸馏。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种LiDAR-Free单目3D目标检测知识蒸馏方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD