【摘 要】
：
为了提高自动驾驶中目标检测的精度与效率问题,本文中提出了一个简单而实用的检测框架,预测3D BBox和实例分割,在精度和效率之间实现了良好的平衡。首先,通过融合采样获得点云,骨干网络提取了局部特征和全局上下文信息;其次,设计了两个分支网络来预测语义标签和偏移量,将每个点移向其各自的实例中心,基于简单的聚类策略生成对象建议,对于每个集群仅生成一个建议,不再需要非最大抑制(NMS)过程;最后,应用提出
【机 构】
：
上海工程技术大学 机械与汽车工程学院,上海201600
论文部分内容阅读
为了提高自动驾驶中目标检测的精度与效率问题,本文中提出了一个简单而实用的检测框架,预测3D BBox和实例分割,在精度和效率之间实现了良好的平衡。首先,通过融合采样获得点云,骨干网络提取了局部特征和全局上下文信息;其次,设计了两个分支网络来预测语义标签和偏移量,将每个点移向其各自的实例中心,基于简单的聚类策略生成对象建议,对于每个集群仅生成一个建议,不再需要非最大抑制(NMS)过程;最后,应用提出的基于关键点的方法来优化每个提案的3D BBox。通过将相同实例上的点投票为其目标关键点,将最小二乘拟合
其他文献
为解决传统实训系统在应用中存在的实际问题,开展基于VR技术的虚拟智能车间实训系统设计研究.对系统服务器及车间实训内容开发板进行选型;基于VR技术对虚拟智能车间模型进行处理,演示车间实训内容等,完成基于VR技术的虚拟智能车间实训系统设计.实验证明,本文设计的实训系统与传统实训系统相比,能够实现对实训资源的高精度分配,满足学生实训学习所需.该系统为实训者提供了一个虚拟可视化的实训基地,极大地提高了实训者的应用技能,同时也为制造业的相关领域带来变革.通过实验进一步证明,设计的实训系统与传统实训系统相比,能够实现
针对传统短语对齐方法依赖外部资源,且较少涉及平行句对内在特征的问题,提出了融入双语词向量的韩汉名词短语对齐方法.利用平行语料,分别训练单语词向量再进行跨语言映射得到双语词向量,并构建了基于短语构成规律的短语抽取和融入双语词向量、短语长度和词性相似度的短语对齐模型.实验结果证明,融入韩汉双语词向量,能更有效地提取短语特征从而实现短语对齐.
印染工业现存的问题,是如何用染料在样品试验中的浓度预测真实面料中的浓度.理想情况下,染出相同颜色的染料浓度,无论在样品中还是真实面料中应该是等同的,或者至少呈现线性关系.虽然普通线性回归可以基本解决该问题,但其为最小化绝对误差的平方和,而工业上要求用百分误差,此时不能用代数方法求解线性模型.本文选用对称百分误差,并为对应的损失函数构造了梯度下降算法,其解优于用普通线性回归算法,从而提高预测性能.
随着大数据技术的发展,加强司法大数据应用成为推进司法现代化建设的重要手段,如何处理司法大数据中的非结构化数据亟待解决.为此,本文提出了面向司法大数据的文本主题OLAP系统.在离线数据处理模块中,设计了Span数据模型,并定义了多种针对该模型的操作符;设计了基于规则的文本行政区划归类方法,并构建了主题立方体.在线上查询模块中,实现了基于倒排索引的关键词搜索方法和最大独特主题范围查询,提供了上卷、下钻、切片等功能.通过在大规模的真实数据集上对系统进行测试,实验结果证明了该系统的合理性和实用性.
卷积神经网络(CNN)应用于图像识别具有很大优势,但是需要足够深的网络和大量标签完善的数据集才能发挥其优越性。实际应用中,往往需要应对的是质量差和大小不一的数据集,且受硬件设备限制。为了提高图像识别效率和精度,提出一种基于深度卷积神经网络和迁移学习的识别算法。该算法首先对图像预处理和数据增强,后迁移大样本提取出的特征信息用于CNN特征提取,再接入微调网络对数据集再训练。实验结果显示,本文算法对饮食
本文基于泛函波束成形算法,提出了一种可以用于二三维声源识别的传声器阵列结构优化方法和相应的优化阵列形式.本文的渐开线螺旋臂阵列设计包含4个主要几何参数:传声器数目、阵列孔径、螺旋臂的数目和基圆的大小.通过基于改进的遗传算法的优化,得出两种优化阵列:优化渐开线螺旋阵列和优化随机阵列,目的是减小波束模式的主瓣宽度以提高传声器阵列的分辨率性能.本文的优化过程包括对最优几何参数组合的寻找和对传声器坐标直接优化两个部分,优化关注点在于中低频声源识别的分辨率性能,在对比研究中发现,上述两种优化阵列在二三维声源识别方面
大数据时代的到来,对大学生的信息素养提出了更高的要求,能否从浩如烟海的数据中获取并利用有价值的信息,已经成为当代高素质人才的必备能力.本文以辽宁对外经贸学院为例,从课程体系建立、教学资源建设以及教学模式改革3方面阐述了计算机课程的教学改革措施.
随着信息技术的发展,高校网络运维设备的大规模剧增,依靠人工进行资源巡检解决问题的运维模式面临的难题日益凸显.现有有线和无线网络的一体化部署,随着IPv6应用不断增加,边缘设备所承载的流量激增;特别是随着移动终端的普及,用户承载方式由每端口单一用户转变为每端口多终端用户,传统的千兆星型汇聚网将难以满足未来信息化校园的建设需求.传统运维管理模式是运维人员发现系统无法使用后,再去抢修,该运维模式非常被动,难以及时高效地发现和解决问题.由于业务应用的不断增加,部分接口流量较大,需要通过网络资源管理平台监测、纳管设
基于深度学习的扣件检测需要大量人工标注的扣件图像数据集驱动,然而铁路扣件图像中负样本偏少,不均衡的数据集会使得深度学习模型的泛化能力较差,达不到检测扣件状态的效果。针对该问题,本文提出了一种基于自编码器的零样本扣件检测。首先,使用欠完备自编码器、栈式自编码器和卷积自编码器提取扣件正样本图像特征;然后,通过正样本特征向量与基向量的余弦相似度推断出负样本的分布空间;在检测时将各自编码器算法得出的结果利
本文研究并提供一款室内环境下进行定位的STM32定位系统,以解决卫星信号到达地面时较弱、不能穿透建筑物的问题。系统使用RFID射频识别技术实现室内定位,具有可靠性高、稳定性好、可24小时不间断工作、成本相对低等优势。使用该技术可以提高室内定位服务的信息化水平、自动化水平、减轻相关企业的生产成本,实现企业安全管理、减少人力资源的使用、降低人力成本,提高工作服务效率。