目标识别一直以来是计算机视觉领域中备受关注的一项重要技术,目标识别的过程可以理解为视觉算法赋予计算机类似于人类的视觉辨识能力，使其通过传感器获得的图像信息来识别目标类别，并获得成像环境中目标的几何形状、位置和姿态等信息，目标识别涉及模式识别、计算机科学、图像处理及机器视觉等多门学科的知识。而三维目标识别是实现机器对三维环境进行感知和理解的关键技术之一，其在智能交通系统与控制、生物医学设备、工业自动化、航天导航及遥感等各大领域的都有大量应用需求，同时也被广泛地应用于室内机器人视觉识别系统，实现对室内复杂场景的理解和交互。
随着三维传感器等硬件设备的快速发展,相较于以前,三维数据的采集和获取成本越来越低,三维目标识别的技术路线也逐渐由人工设计的三维特征与支持向量机等分类算法配合的方法转向基于 学习的三维目标识别方法，对于三维目标识别的任务，设计一个快速、高识别率的识别算法具有关键意义。
WIMI微美全息(NASDAQ:WIMI)开发了基于 学习的三维目标识别算法系统。 学习模拟人脑视觉系统，其具有从具体到抽象，多层传递的特点，通过构建多层神经网络，将原始信息进行逐层的特征提取和抽象，使分类、识别和预测变得更加容易和准确。近年来， 学习在图像处理、自然语言处理等人工智能领域发挥着越来越重要的作用，具有巨大的社会价值和经济效益。
WIMI微美全息基于 学习框架下的三维目标识别算法以大量的训练数据为基础，从大量的数据中逐层学习特征，充分提取三维目标数据的特征，很大程度上保留三维目标图像质量的特征，从而将图像中高级语义信息充分表达，极大地提升了检测精确度，改善了三维目标检测与识别算法的效果。同时提升了在多类复杂任务中的适用性，在复杂任务中表现较好，能够对样本数据中的特征进行充分的学习，训练出的模型能够对各类目标进行检测与识别，既加快了三维目标检测识别的速度，又提升了准确率。
随着三维数据获取技术的进步、计算能力的增强、 学习技术的发展以及应用需求的增加,三维视觉技术的研究和应用受到了越来越多的关注。三维目标检测与识别是三维场景理解的关键技术,是机器理解世界并与世界交互的基础,在自动驾驶、智能机器人、ARVR、遥感制图、生物医疗等领域具有极其广阔的应用前景，微美全息也将不断拓展其基于 学习的三维目标识别算法的运用领域。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
