期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Transformer的逐通道点云分析网络
1
作者
冯凯浩
陶志勇
+2 位作者
李衡
李铭朗
林森
《电子测量与仪器学报》
北大核心
2025年第2期49-59,共11页
三维点云能够充分描述目标对象的几何信息,在自动驾驶、医学影像和机器人等领域有着广泛的应用前景。然而,现有方法在处理不同通道间的特征时缺乏差异化,同时对低级空间坐标和高级语义特征采用统一的编码策略,进而导致点云特征提取不全...
三维点云能够充分描述目标对象的几何信息,在自动驾驶、医学影像和机器人等领域有着广泛的应用前景。然而,现有方法在处理不同通道间的特征时缺乏差异化,同时对低级空间坐标和高级语义特征采用统一的编码策略,进而导致点云特征提取不全面。因此,提出了基于Transformer的逐通道点云分析网络。首先,为了克服传统图卷积在混合通道中难以区分有效信息的挑战,设计了一种深度可分离边缘卷积,可以在逐通道特征提取时保留局部几何信息的同时,显著提升通道间的区分能力。其次,针对Transformer在低级空间坐标和高级语义特征中采用统一编码方式,导致信息提取不足的问题,提出了两种特征编码策略,自适应位置编码和空间上下文编码,分别用于探索低级空间中的隐式几何结构和高级空间中的复杂上下文关系。最后,提出了一种有效的融合策略,可以形成更具区分性的特征表示。为了充分证明所提出模型的有效性,在公开数据集ModelNet40和ScanObjectNN上进行点云分类实验,总体分类精度分别达到93.7%和83.2%,在公开数据集ShapeNet Part上,整体部件分割的平均交并比达到86.0%。因而,研究方法在分类和分割任务中均具有先进的性能。
展开更多
关键词
点云分类
分割
深度可分离卷积
Transfomer
融合算法
modelnet40
在线阅读
下载PDF
职称材料
融合kd tree邻域查询的深度学习点云分类网络
被引量：
15
2
作者
马杰
王旭娇
+2 位作者
马鹏飞
杨立闯
王楠楠
《深圳大学学报（理工版）》
EI
CAS
CSCD
北大核心
2020年第1期79-83,共5页
为解决PointNet++精度较低、耗时较长,且对输入点的噪声敏感的缺陷,引入一种高效的k维树(k-dimensional tree,kd tree)邻域查询方法,通过构建kd tree查找查询点周围指定半径内的近邻点,构造局部区域集,完成在PointNet++分组层上的局部...
为解决PointNet++精度较低、耗时较长,且对输入点的噪声敏感的缺陷,引入一种高效的k维树(k-dimensional tree,kd tree)邻域查询方法,通过构建kd tree查找查询点周围指定半径内的近邻点,构造局部区域集,完成在PointNet++分组层上的局部特征提取.针对原网络训练过程中存在的过拟合问题,引入随机失活(dropout)正则化,减少网络收敛训练的时间.在Ubuntu14.04系统下搭建TensorFlow的图形处理器深度学习环境,并在ModelNet40数据集上进行训练和测试.实验结果表明,分别为当查询半径为0.1、0.2和0.3时,该查询方法的分类准确率分别为91.1%、92.1%和94.3%,皆优于PointNet++方法,且网络训练用时更短.改进后的结构在斯坦福三维语义分析数据集(Stanford 3D semantic parsing dataset)上进行语义分割实验平均交并比(mean intersection over union,MIoU)达57.2%,且其对于遮挡物体的鲁棒性更高.
展开更多
关键词
计算机神经网络
深度神经网络
深度学习
点云分类
邻域查询
k维树
modelnet40
在线阅读
下载PDF
职称材料
题名
基于Transformer的逐通道点云分析网络
1
作者
冯凯浩
陶志勇
李衡
李铭朗
林森
机构
辽宁工程技术大学电子与信息工程学院
沈阳理工大学自动化与电气工程学院
出处
《电子测量与仪器学报》
北大核心
2025年第2期49-59,共11页
基金
辽宁省科技厅应用基础研究项目(2022JH2/101300274)
辽宁省高等学校基本科研项目(LJKMZ20220679)资助。
文摘
三维点云能够充分描述目标对象的几何信息,在自动驾驶、医学影像和机器人等领域有着广泛的应用前景。然而,现有方法在处理不同通道间的特征时缺乏差异化,同时对低级空间坐标和高级语义特征采用统一的编码策略,进而导致点云特征提取不全面。因此,提出了基于Transformer的逐通道点云分析网络。首先,为了克服传统图卷积在混合通道中难以区分有效信息的挑战,设计了一种深度可分离边缘卷积,可以在逐通道特征提取时保留局部几何信息的同时,显著提升通道间的区分能力。其次,针对Transformer在低级空间坐标和高级语义特征中采用统一编码方式,导致信息提取不足的问题,提出了两种特征编码策略,自适应位置编码和空间上下文编码,分别用于探索低级空间中的隐式几何结构和高级空间中的复杂上下文关系。最后,提出了一种有效的融合策略,可以形成更具区分性的特征表示。为了充分证明所提出模型的有效性,在公开数据集ModelNet40和ScanObjectNN上进行点云分类实验,总体分类精度分别达到93.7%和83.2%,在公开数据集ShapeNet Part上,整体部件分割的平均交并比达到86.0%。因而,研究方法在分类和分割任务中均具有先进的性能。
关键词
点云分类
分割
深度可分离卷积
Transfomer
融合算法
modelnet40
Keywords
point cloud classification
segmentation
deep separable convolution
Transfomer
fusion algorithm
modelnet40
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
TN911.7 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
融合kd tree邻域查询的深度学习点云分类网络
被引量：
15
2
作者
马杰
王旭娇
马鹏飞
杨立闯
王楠楠
机构
河北工业大学电子信息工程学院
出处
《深圳大学学报（理工版）》
EI
CAS
CSCD
北大核心
2020年第1期79-83,共5页
基金
天津市科技特派员资助项目(18JCTPJC54300).
文摘
为解决PointNet++精度较低、耗时较长,且对输入点的噪声敏感的缺陷,引入一种高效的k维树(k-dimensional tree,kd tree)邻域查询方法,通过构建kd tree查找查询点周围指定半径内的近邻点,构造局部区域集,完成在PointNet++分组层上的局部特征提取.针对原网络训练过程中存在的过拟合问题,引入随机失活(dropout)正则化,减少网络收敛训练的时间.在Ubuntu14.04系统下搭建TensorFlow的图形处理器深度学习环境,并在ModelNet40数据集上进行训练和测试.实验结果表明,分别为当查询半径为0.1、0.2和0.3时,该查询方法的分类准确率分别为91.1%、92.1%和94.3%,皆优于PointNet++方法,且网络训练用时更短.改进后的结构在斯坦福三维语义分析数据集(Stanford 3D semantic parsing dataset)上进行语义分割实验平均交并比(mean intersection over union,MIoU)达57.2%,且其对于遮挡物体的鲁棒性更高.
关键词
计算机神经网络
深度神经网络
深度学习
点云分类
邻域查询
k维树
modelnet40
Keywords
computer neural network
deep neural network
deep learning
point clouds classification
neighbor query
k-dimensional tree
modelnet40
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Transformer的逐通道点云分析网络
冯凯浩
陶志勇
李衡
李铭朗
林森
《电子测量与仪器学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
融合kd tree邻域查询的深度学习点云分类网络
马杰
王旭娇
马鹏飞
杨立闯
王楠楠
《深圳大学学报（理工版）》
EI
CAS
CSCD
北大核心
2020
15
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
