[发明专利]基于深度学习的RGB-D三维物体检测方法有效
| 申请号： | 201810163104.2 | 申请日： | 2018-02-26 |
| 公开（公告）号： | CN108257139B | 公开（公告）日： | 2020-09-08 |
| 发明（设计）人： | 吕科;檀彦豪;薛健;默罕默德·蒙塔塞尔·拉赫曼 | 申请（专利权）人： | 中国科学院大学 |
| 主分类号： | G06T7/13 | 分类号： | G06T7/13 |
| 代理公司： | 北京知呱呱知识产权代理有限公司 11577 | 代理人： | 武媛;吕学文 |
| 地址： | 100049 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于深度学习的RGB‑D三维物体检测方法，对RGB‑D图像进行标注，获取标注后的RGB‑D图像数据集，将数据集作为三维物体检测卷积神经网络模型的训练样本和测试样本；构建三维物体检测卷积神经网络模型，将训练样本和测试样本输入三维物体检测卷积神经网络模型中；设置卷积神经网络模型的超参数，通过Caffe训练三维物体检测卷积神经网络模型，当代价损失函数减少到理想程度且训练达到所要求的最大迭代次数时，生成训练模型；将RGB‑D图像数据集输入至训练完毕的模型中，输出三维物体检测结果。本发明比现有三维物体检测方法速度快、准确率高。 | ||
| 搜索关键词： | 基于 深度 学习 rgb 三维 物体 检测 方法 | ||
【主权项】：
1.基于深度学习的RGB‑D三维物体检测方法，其特征在于，所述检测方法包括：步骤一：对RGB‑D图像进行标注，获取标注后的RGB‑D图像数据集，将数据集作为三维物体检测卷积神经网络模型的训练样本和测试样本；步骤二：构建三维物体检测卷积神经网络模型，将训练样本和测试样本输入三维物体检测卷积神经网络模型中；步骤三：设置卷积神经网络模型的超参数，通过Caffe训练三维物体检测卷积神经网络模型，当代价损失函数减少到理想程度且训练达到所要求的最大迭代次数时，生成训练模型；步骤四：将RGB‑D图像数据集输入至训练完毕的模型中，输出三维物体检测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院大学，未经中国科学院大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810163104.2/，转载请声明来源钻瓜专利网。
