作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
3D车辆检测是自动驾驶场景中的一个关键问题,涉及到3D目标检测与目标分类.目前的3D检测与分类网络对于所有输入的点云数据一视同仁,但在实际检测过程中,点云中不同点对于检测的重要程度可能并不相同.为了得到更好的检测结果,通过引入注意力机制来得到不同点的特征的权重,从而在回归时让部分点的特征得到更多的重视.实验表明,该算法在保证实时效率的前提下,与现有算法相比,具有更高的准确度.
推荐文章
基于注意力时空解耦3D卷积LSTM的视频预测
视频预测
卷积LSTM
注意力机制
时空解耦
重采样
基于注意力机制的DGA域名检测算法
域名检测
注意力机制
门控循环单元(GRU)
联合注意力机制与目标点信息的车辆轨迹预测
自动驾驶
轨迹预测
深度学习
门控循环单元
注意力机制
基于暗通道和改进YOLOv3的雾天车辆检测算法
雾天车辆检测
暗通道去雾算法
YOLOv3
K-means
先验框
注意力机制
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于注意力机制的3D车辆检测算法
来源期刊 计算机工程与科学 学科 工学
关键词 车辆检测 注意力机制 深度学习
年,卷(期) 2020,(1) 所属期刊栏目 图形与图像
研究方向 页码范围 98-102
页数 5页 分类号 TP183
字数 4110字 语种 中文
DOI 10.3969/j.issn.1007-130X.2020.01.012
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 万思宇 上海交通大学电子信息与电气工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
车辆检测
注意力机制
深度学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与科学
月刊
1007-130X
43-1258/TP
大16开
湖南省长沙市开福区德雅路109号国防科技大学计算机学院
42-153
1973
chi
出版文献量(篇)
8622
总下载数(次)
11
总被引数(次)
59030
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导