用于点云语义分割的深度图注意力卷积网络
相比于卷积神经网络,图卷积网络更适合处理不规则的点云数据,但其存在网络层数受限以及固定的标准化聚集方式影响点云语义分割结果的问题.针对这些问题,提出一种用于点云语义分割的深度图注意力卷积网络.该网络通过残差连接来加深图卷积网络层数,可以有效解决网络过深所导致的梯度消失和网络退化的问题,采用注意力机制可以使网络有选择地关注最相关的邻域点并为其分配不同的注意力权重.同时在每层图卷积之后重新构建图形,从而更好地表征图结构.实验结果表明,该网络在斯坦福大规模的三维室内空间数据集上的平均交并比达到64.5%.
图像处理、点云语义分割、图卷积、注意力机制、残差连接、动态图卷积
58
TP391(计算技术、计算机技术)
河北省自然科学基金;河北省研究生创新项目
2021-08-25(万方平台首次上网日期,不代表论文的发表时间)
共8页
192-199