基于上下文注意力CNN的三维点云语义分割

• 作者: 党吉圣 杨军
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 三维点云 语义分割 上下文注意力卷积层 卷积神经网络 深度学习
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 学术通信
• 页码范围: 195-203
• 页数: 9页
• 分类号: TP391
• 字数: 6698字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2020128

摘要

针对三维点云语义分割中缺乏结合点云的上下文细粒度信息导致的欠分割问题,提出一种基于上下文注意力卷积神经网络的三维点云语义分割算法.首先,通过注意力编码机制挖掘点云的局部区域内细粒度特征;然后,通过上下文循环神经网络编码机制捕捉多尺度局部区域之间的上下文特征,且与细粒度局部特征相互补偿;最后,采用多头部机制增强网络的泛化能力.实验结果表明,所提算法在ShapeNet Parts、S3DIS和vKITTI标准数据集上的平均交并比分别为85.4％、56.7％和38.1％,分割性能良好,且具有较好的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨军	兰州交通大学电子与信息工程学院	71	349	10.0	15.0
2	党吉圣	兰州交通大学电子与信息工程学院	4	0	0.0	0.0