典型文献
基于注意力机制的点云神经网络架构搜索方法
文献摘要：
为了解决设计面向点云数据的神经网络需要大量人工介入的问题,提出了基于注意力机制和点卷积的神经网络架构搜索方法.针对不同尺度点云的信息融合问题,提出了一种基于注意力机制的多尺度融合模块.针对点云的处理效率问题,设计了基于点卷积的特征提取模块作为候选操作,并与多尺度融合模块组成搜索单元.将多个搜索单元叠加成的神经网络作为搜索空间,并采用基于可微分神经网络架构搜索算法搜索出最优神经网络.在公开点云数据集ModelNet上的实验结果证明,该方法得到的神经网络具有领先的精度,同时具有较少的可学习参数,并且该方法大幅减少了人工介入的工作量.该数据集上的消融实验结果表明,在基线模型中加入提出的基于注意力机制的多尺度融合模块,精度提升了1.1个百分点.
文献关键词：
点卷积;神经网络架构搜索(NAS);三维点云;多尺度融合;注意力机制
中图分类号：
作者姓名：
谭台哲;黄永耀;杨卓;刘洋
作者机构：
广东工业大学 计算机学院,广州 510006
文献出处：
引用格式：
[1]谭台哲;黄永耀;杨卓;刘洋-.基于注意力机制的点云神经网络架构搜索方法)[J].计算机工程与应用,2022(19):142-151
A类：
B类：
注意力机制,神经网络架构搜索,搜索方法,解决设计,点云数据,点卷积,不同尺度,信息融合,融合问题,多尺度融合模块,处理效率,效率问题,取模,索单元,加成,搜索空间,可微分,微分神经网络,搜索算法,开点,ModelNet,可学习参数,消融实验,基线模型,精度提升,百分点,NAS,三维点云
AB值：
0.29154
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。
