基于注意力机制的3D车辆检测算法

计算机工程与科学

基于注意力机制的3D车辆检测算法

万思宇

（上海交通大学电子信息与电气工程学院,上海 200240）

收稿日期:2019-07-20 修回日期:2019-08-30 出版日期:2020-01-25 发布日期:2020-01-25

A 3D vehicle detection algorithm

based on attention mechanism

WAN Si-yu

（School of Electronic Information and Electrical Engineering,Shanghai Jiao Tong University,Shanghai 200240,China）

Received:2019-07-20 Revised:2019-08-30 Online:2020-01-25 Published:2020-01-25

摘要/Abstract

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。

关键词: 车辆检测, 注意力机制, 深度学习

Abstract:

3D vehicle detection is a key problem in automatic driving scene, which involves 3D object detection and 3D object classification. Current 3D detection and classification networks treat all input point cloud data equally. However, in the actual detection process, the importance of different points in the point cloud for detection may not be the same. In order to get better detection results, attention mechanism is introduced to get the weights of the features of different points, so that the features of some points can get more attentions in regression. Experiments show that the model has higher accuracy than the existing methods while maintaining real-time efficiency.

Key words: vehicle detection, attention mechanism, deep learning

万思宇. 基于注意力机制的3D车辆检测算法[J]. 计算机工程与科学.

WAN Si-yu.

A 3D vehicle detection algorithm

based on attention mechanism

[J]. Computer Engineering & Science.

[1]	马汉达, 李腾飞. 基于注意力机制的特征融合推荐模型[J]. 计算机工程与科学, 2025, 47(05): 902-911.
[2]	王莹, 杨青, 王翔宇, 张勇, . 基于非对称空间特征的脑电信号情感分析研究[J]. 计算机工程与科学, 2025, 47(05): 921-930.
[3]	梁佳杰, 徐慧英, 朱信忠, 王舒梦, 刘子洋, 李琛. 基于改进的YOLOv8n海洋动物目标检测算法：DPSC-YOLO[J]. 计算机工程与科学, 2025, 47(04): 695-705.
[4]	朱西平, 高昂, 肖丽娟. 融合双词典的农作物病虫害命名实体识别[J]. 计算机工程与科学, 2025, 47(04): 718-727.
[5]	张梦圆, 端阳, 王彬彬, 张蕾, 吴裔, 刘畅, 郭乃网, 程大伟. 基于深度对抗网络的动态图生成模型研究[J]. 计算机工程与科学, 2025, 47(04): 728-739.
[6]	尹春勇, 张小虎. 基于Transformer和Text-CNN的日志异常检测[J]. 计算机工程与科学, 2025, 47(03): 448-458.
[7]	徐雯, 于瓅. 基于迭代收缩阈值与深度学习的压缩感知图像重构网络[J]. 计算机工程与科学, 2025, 47(03): 485-493.
[8]	李娇, 高磊怡, 张瑞欣, 吴越, 邓红霞. 基于脉冲注意力机制的轻量化面部超分重建方法[J]. 计算机工程与科学, 2025, 47(03): 494-503.
[9]	刘拥民, 许成, 黄浩, 张钱垒, 赵俊杰, . 基于SAE和WGAN的入侵检测方法研究[J]. 计算机工程与科学, 2025, 47(02): 256-264.
[10]	许天佑, 高光勇. 基于可逆生成对抗网络的鲁棒图像隐藏[J]. 计算机工程与科学, 2025, 47(02): 288-297.
[11]	朱嘉骏, 包美凯, 张凯, 刘烨, 刘淇. 基于多源知识注入的常识问答方法研究[J]. 计算机工程与科学, 2025, 47(02): 349-360.
[12]	吴玉虹, 王建. 基于Patches-CNN的模拟电路故障诊断[J]. 计算机工程与科学, 2025, 47(01): 35-44.
[13]	徐超, 阮荣耀, 陈勇, . 一种基于区块链的医疗数据审计方法[J]. 计算机工程与科学, 2025, 47(01): 95-106.
[14]	陈兆波, 张琳, 马晓轩. 改进注意力混合自动编码器视频异常检测研究[J]. 计算机工程与科学, 2025, 47(01): 130-139.
[15]	陈欣然, 刘宁, 闫中敏, 刘磊, 崔立真. 基于注意力指导的双粒度跨模态医学特征学习框架[J]. 计算机工程与科学, 2025, 47(01): 150-159.