首页|面向局部学习的点云分割分类网络

面向局部学习的点云分割分类网络

扫码查看
原文链接
  • 万方数据
  • 维普
在各种3D对象表示中,三维点云越来越受欢迎,其中基于点的方法在各种数据集上都表现出了良好的性能.针对PointNet++只关注了点本身的信息,并未关注相邻点的信息,同时它采用最大池化聚合局部信息,导致丢失次最大值信息.由此,文中提出Con-PointNet++网络,该网络利用增强局部信息模块,以关注相邻点的信息,从而增强局部信息特征提取;采用局部注意力机制下的融合池化模块,将最大池化与注意力池化特征信息融合,得到更为丰富的局部特征信息.本文方法在室内数据集S3DIS的Area_5区域上评估模型语义分割能力,mIoU达55.2％;在数据集ModelNet40上评估模型分类效果,OA达91.2％.与其他方法相比,所提模型性能均有提升,进一步证明了本文方法的有效性.
A point cloud segmentation classification network for local learning

3D point cloudsemantic segmentationclassificationlocal attention mechanismlocal enhancement module

冯锦梁、王蕾、温智成、叶森辉、马晗

展开 >

东华理工大学,江西 南昌330013

三维点云 语义分割 分类 局部注意力机制 局部增强模块

江西省核地学数据科学与系统工程技术研究中心基金项目江西省放射性地学大数据技术工程实验室开放基金项目

JELRGBDT202202JELRGBDT202103

2024

10.3969/j.issn.1001-5078.2024.01.004

激光与红外
华北光电技术研究所

激光与红外

CSTPCD北大核心
影响因子：0.723
ISSN：1001-5078
年,卷(期)：2024.54(1)
  • 26