基于双注意力融合和残差优化的点云语义分割
在直接处理原始点云的语义分割算法中,存在局部特征提取模块细粒度特征描述能力不足和逐步下采样使得网络深度受到限制的问题.提出一种双注意力特征增强模块,其中点注意模块学习邻域点之间的相互关联性,捕捉上下文信息,提高局部特征的分辨能力,通道注意模块聚合通道结构信息,减少噪声影响.构建编码器多尺度残差结构增加网络深度,避免下采样造成的关键点信息丢失.方法在S3DIS数据集上准确率为88.9%,平均交并比为70.7%;在Semantic3D数据集上准确率为95.8%,平均交并比为78.5%.实验结果表明,所提出的算法对物体边缘特征具有良好的区分性,具有更好的泛化性能.
三维点云、语义分割、自注意力机制、残差网络、特征融合
41
TP391(计算技术、计算机技术)
中国纺织工业联合会科技指导性项目;西安市科技局计划项目
2022-11-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
12-18