目標識別一直以來是計算機視覺領域中備受關注的一項重要技術,目標識別的過程可以理解為視覺算法賦予計算機類似于人類的視覺辨識能力，使其通過傳感器獲得的圖像信息來識別目標類別，并獲得成像環(huán)境中目標的幾何形狀、位置和姿態(tài)等信息，目標識別涉及模式識別、計算機科學、圖像處理及機器視覺等多門學科的知識。而三維目標識別是實現機器對三維環(huán)境進行感知和理解的關鍵技術之一，其在智能交通系統(tǒng)與控制、生物醫(yī)學設備、工業(yè)自動化、航天導航及遙感等各大領域的都有大量應用需求，同時也被廣泛地應用于室內機器人視覺識別系統(tǒng)，實現對室內復雜場景的理解和交互。
隨著三維傳感器等硬件設備的快速發(fā)展,相較于以前,三維數據的采集和獲取成本越來越低,三維目標識別的技術路線也逐漸由人工設計的三維特征與支持向量機等分類算法配合的方法轉向基于深度學習的三維目標識別方法，對于三維目標識別的任務，設計一個快速、高識別率的識別算法具有關鍵意義。
WIMI微美全息(NASDAQ:WIMI)開發(fā)了基于深度學習的三維目標識別算法系統(tǒng)。深度學習模擬人腦視覺系統(tǒng)，其具有從具體到抽象，多層傳遞的特點，通過構建多層神經網絡，將原始信息進行逐層的特征提取和抽象，使分類、識別和預測變得更加容易和準確。近年來，深度學習在圖像處理、自然語言處理等人工智能領域發(fā)揮著越來越重要的作用，具有巨大的社會價值和經濟效益。
WIMI微美全息基于深度學習框架下的三維目標識別算法以大量的訓練數據為基礎，從大量的數據中逐層學習特征，充分提取三維目標數據的特征，很大程度上保留三維目標圖像質量的特征，從而將圖像中高級語義信息充分表達，極大地提升了檢測精確度，改善了三維目標檢測與識別算法的效果。同時提升了在多類復雜任務中的適用性，在復雜任務中表現較好，能夠對樣本數據中的特征進行充分的學習，訓練出的模型能夠對各類目標進行檢測與識別，既加快了三維目標檢測識別的速度，又提升了準確率。
隨著三維數據獲取技術的進步、計算能力的增強、深度學習技術的發(fā)展以及應用需求的增加,三維視覺技術的研究和應用受到了越來越多的關注。三維目標檢測與識別是三維場景理解的關鍵技術,是機器理解世界并與世界交互的基礎,在自動駕駛、智能機器人、ARVR、遙感制圖、生物醫(yī)療等領域具有極其廣闊的應用前景，微美全息也將不斷拓展其基于深度學習的三維目標識別算法的運用領域。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
