典型文献
基于双注意力融合和残差优化的点云语义分割
文献摘要：
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.
文献关键词：
三维点云;语义分割;自注意力机制;残差网络;特征融合
中图分类号：
作者姓名：
于魁梧;宋玉琴;徐轩
作者机构：
西安工程大学电子信息学院 西安710600
文献出处：
引用格式：
[1]于魁梧;宋玉琴;徐轩-.基于双注意力融合和残差优化的点云语义分割)[J].国外电子测量技术,2022(08):12-18
A类：
B类：
双注意力,注意力融合,残差优化,点云语义分割,始点,分割算法,局部特征提取,取模,细粒度特征,特征描述,下采样,受到限制,特征增强模块,中点,邻域,相互关联性,上下文信息,通道注意模块,合通,通道结构,结构信息,噪声影响,编码器,多尺度残差,残差结构,信息丢失,S3DIS,平均交并比,Semantic3D,边缘特征,区分性,泛化性能,三维点云,自注意力机制,残差网络,特征融合
AB值：
0.449569
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
