[发明专利]一种基于弱监督与明确闭塞建模的3D汽车对象类表示算法

摘要

本发明涉及一种基于弱监督与明确闭塞建模的3D汽车对象类表示算法，属于神经网络对汽车检测与定位的领域。该算法利用弱标签图片作为训练集，同时利用3D汽车闭塞模型能通过汽车零部件定位与遮挡评估来恢复与完善汽车3D信息的优点，解决目前汽车检测中存在汽车检测与定位不完整的问题。本发明采用3D汽车闭塞模型对仅有的2D汽车信息进行恢复与完善，使得被截断、遮挡和闭塞等不完整的2D汽车信息恢复为完成的3D汽车表示，解决了目前汽车检测代价大，汽车信息检测与汽车定位不完备的问题。3D汽车对象类表示因此采用基于弱监督与明确闭塞建模的算法对于汽车检测与定位的后续处理具有重要的理论意义和应用价值。

主权项

一种基于弱监督与明确闭塞建模的3D汽车对象类表示算法，其特征在于：该算法包括以下步骤：S1：在训练图片集上标注有对象存在/不存在的标签；S2：搭建区域卷积神经网络(RegionswithConvolutionalNeuralNetwork,R‑CNN)神经网络，将标注完成的图片集统一尺寸后输入R‑CNN神经网络中进行2D汽车检测神经网络的训练，得到训练好的弱标签2D汽车检测器；S3：通过步骤S2的训练，将弱标签训练图片集输入训练好的弱标签2D汽车检测器中，得到粗糙的2D特征信息；S4：搭建3D汽车闭塞模型，将步骤S3中得到的2D特征信息输入该模型中进行训练，得到汽车的3D信息表示。