计算机时代2023，Issue(9) ：75-80,86.DOI:10.16644/j.cnki.cn33-1094/tp.2023.09.016

基于对比边界学习的超面片Transformer点云分割网络

Contrastive boundary learning based Transformer network for point cloud segmentation

章益民
计算机时代2023，Issue(9) ：75-80,86.DOI:10.16644/j.cnki.cn33-1094/tp.2023.09.016
✕
  • 维普
  • 万方数据

基于对比边界学习的超面片Transformer点云分割网络

Contrastive boundary learning based Transformer network for point cloud segmentation

章益民1
扫码查看

作者信息

  • 1. 浙江理工大学计算机科学与技术学院,浙江 杭州 310018
  • 折叠

摘要

为了高效地实现大规模室内点云场景语义分割,针对边界点云的特征信息难以区分、场景点云规模过于庞大而导致其难以直接进行分割网络的有效训练等问题,以超面片为数据表征,结合超面片Transformer模块(SPT)和对比边界学习模块(CBL),提出一种基于对比边界学习的超面片Transformer点云分割网络.针对数据集S3DIS进行训练,实验结果表明,该网络在分割精度上比Dgcnn网络高3.9%,在训练速度方面比SPGraph网络快近100倍,针对大规模室内点云场景分割效果尤为突出.

关键词

点云/语义分割/自注意力/超面片Transformer/对比边界学习

Key words

point clouds/semantic segmentation/self-attention/super-patch Transformer/contrastive boundary learning

引用本文复制引用

出版年

2023
计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
参考文献量18
段落导航相关论文