期刊文献+
共找到662篇文章
< 1 2 34 >
每页显示 20 50 100
基于改进PointNet++的城市道路点云分类方法
1
作者 田晟 熊辰崟 龙安洋 《广西师范大学学报(自然科学版)》 北大核心 2025年第4期1-14,共14页
城市道路场景的点云数据量巨大、类别分布不平衡且密度极不均匀,导致现有的点云分类方法难以满足高精度分类的需求。为了解决现有PointNet++网络对局部特征提取不充分的问题,本文充分考虑场景的上下文信息和点之间的全局依赖性,构建融... 城市道路场景的点云数据量巨大、类别分布不平衡且密度极不均匀,导致现有的点云分类方法难以满足高精度分类的需求。为了解决现有PointNet++网络对局部特征提取不充分的问题,本文充分考虑场景的上下文信息和点之间的全局依赖性,构建融合上下文信息的PointNet++点云分类网络模型。首先,基于注意力机制设计局部特征聚合模块,通过动态地融合邻域点特征以充分捕获局部信息。其次,考虑现有的分类模型不能顾及上下文信息,导致复杂场景下的分类性能受限,本文构建上下文感知模块和双注意力模块,从多个维度提取上下文信息,进一步增强特征的表达能力。实验结果表明:改进模型在大型点云数据集下具有更高的分类精度及更强的泛化性能(总体分类精度在Oakland和Paris公开数据集上分别为98.70%和96.84%),更适用于大规模点云分类。 展开更多
关键词 点云分类 pointNet++ 局部特征 注意力机制 上下文信息 城市道路
在线阅读 下载PDF
基于双重池化注意力机制和竖直特征融合的DV-PointPillars三维目标检测模型
2
作者 潘玉恒 任晨 +1 位作者 鲁维佳 李洋 《汽车安全与节能学报》 北大核心 2025年第5期793-801,共9页
为了改善柱体化三维目标检测模型中存在的柱体特征表征能力不足、误检漏检的问题,提出一种基于双重池化注意力机制和竖直特征融合的DV-PointPillars模型。在编码网络中引入最大和平均双重池化注意力机制,充分利用柱体内的点云信息,提升... 为了改善柱体化三维目标检测模型中存在的柱体特征表征能力不足、误检漏检的问题,提出一种基于双重池化注意力机制和竖直特征融合的DV-PointPillars模型。在编码网络中引入最大和平均双重池化注意力机制,充分利用柱体内的点云信息,提升柱体特征的表征能力;设计竖直区域特征提取网络,获取柱体在竖直方向上的特征信息,并在主干网络融合特征,改善编码方式导致的信息压缩问题,减少误判并提升遮挡情况的识别能力。采用KITTI数据集对汽车、行人、骑行者3个类别从简单、中等、困难3个难度进行实验。结果表明:相较于PointPillars模型,DV-PointPillars模型在增加3个模块后对车辆、行人、骑行者3个类别的3D平均检测准确度分别提升4.02%、5.17%、5.09%,显示出该模型的有效性。 展开更多
关键词 自动驾驶 环境感知 三维目标检测 点云 注意力池化
在线阅读 下载PDF
跨学科视野下对Point of View的重新界定 被引量:9
3
作者 申丹 《上海交通大学学报(哲学社会科学版)》 CSSCI 北大核心 2023年第1期1-13,共13页
在西方叙事作品研究界,“point of view”自20世纪初以来一直是一个核心概念和热门话题。叙事学和文体学都十分关注这一话题。表面上看,两个学派对“point of view”进行了大致相同的探讨,而实际上两者在理念和路径上各行其道且相互排... 在西方叙事作品研究界,“point of view”自20世纪初以来一直是一个核心概念和热门话题。叙事学和文体学都十分关注这一话题。表面上看,两个学派对“point of view”进行了大致相同的探讨,而实际上两者在理念和路径上各行其道且相互排斥。叙事学界在探讨“point of view”时,将其囿于观察者的感知(区分“谁说”和“谁感知”),这种自我限制不合情理。与此相对照,文体学在探讨“point of view”时,聚焦于叙述者(说话者)的立场态度,这种自我限制也造成了很大问题。这两个学派在探讨“point of view”时各自的片面性以及相互之间的排他性还导致了不少理论上的混乱。这也对国内的研究造成了影响。本文在指出以往问题的基础上,对“point of view”提出切合实际的新的界定,旨在通过这一新的界定帮助推进理论探讨的发展并促进跨学科研究,以便对叙事作品进行更好、更为全面的分析。 展开更多
关键词 point of view 重新界定 叙事学与文体学 片面与混乱 跨学科研究
在线阅读 下载PDF
基于改进PointNet++的输电线路关键部位点云语义分割研究 被引量:4
4
作者 杨文杰 裴少通 +3 位作者 刘云鹏 胡晨龙 杨瑞 张行远 《高电压技术》 EI CAS CSCD 北大核心 2024年第5期1943-1953,I0009,共12页
输电线路的关键部位包括塔身、导线、绝缘子、避雷线以及引流线,无人机精细化导航的首要任务是构造输电线路的点云地图并从中分割出上述部位。为解决现有算法在输电线路的绝缘子、引流线等精细结构分割时精度低的问题,通过改进PointNet+... 输电线路的关键部位包括塔身、导线、绝缘子、避雷线以及引流线,无人机精细化导航的首要任务是构造输电线路的点云地图并从中分割出上述部位。为解决现有算法在输电线路的绝缘子、引流线等精细结构分割时精度低的问题,通过改进PointNet++算法,提出了一种面向输电线路精细结构的点云分割方法。首先,基于无人机机载激光雷达在现场采集的点云数据,构造了输电线路点云分割数据集;其次,通过对比实验,筛选出在本输电线路场景下合理的数据增强方法,并对数据集进行了数据增强;最后,将自注意力机制以及倒置残差结构和PointNet++相结合,设计了输电线路关键部位点云语义分割算法。实验结果表明:该改进PointNet++算法在全场景输电线路现场点云数据作为输入的前提下,首次实现了对引流线、绝缘子等输电线路中精细结构和导线、杆塔塔身以及输电线路无关背景点的同时分割,平均交并比(mean intersection over union,mIoU)达80.79%,所有类别分割的平均F_(1)值(F1 score)达88.99%。 展开更多
关键词 点云深度学习 点云语义分割 数据增强 自注意力 倒置残差
在线阅读 下载PDF
基于GCR-PointPillars的点云三维目标检测 被引量:4
5
作者 伍新月 惠飞 金鑫 《现代电子技术》 北大核心 2024年第11期168-174,共7页
针对PointPillars算法中存在识别与定位不准确的问题,提出一种GCR-PointPillars三维目标检测模型,该模型首先在Pillar特征网络中引入全局注意力机制,学习点云特征之间的相关性,增强伪图特征的全局信息交互能力;其次,基于ConvNeXt V2重... 针对PointPillars算法中存在识别与定位不准确的问题,提出一种GCR-PointPillars三维目标检测模型,该模型首先在Pillar特征网络中引入全局注意力机制,学习点云特征之间的相关性,增强伪图特征的全局信息交互能力;其次,基于ConvNeXt V2重新构建特征提取网络,提取更加丰富的语义信息,从而有效提升网络的学习能力;最后引入RDIoU来联合引导分类和回归任务,有效缓解分类和回归不一致的问题。文中模型在KITTI数据集中与基准网络相比,汽车类别在简单、中等、困难三种难度级别下分别提高了2.69%、4.29%、4.84%,并且推理速度达到25.8 f/s。实验结果表明,文中模型在保持实时性速度的同时,检测效果也有明显提升。 展开更多
关键词 三维目标检测 注意力机制 ConvNeXt V2 损失函数 激光雷达点云 自动驾驶
在线阅读 下载PDF
PCT和PointMLP融合的三维点云分类算法研究
6
作者 赵晓柯 汤勃 +1 位作者 孙伟 朱发汛 《组合机床与自动化加工技术》 北大核心 2024年第10期68-71,共4页
为了提高三维点云数据的分类准确率,对注意力机制的PCT与残差点MLP的PointMLP的融合算法进行研究。首先,加入几何仿射模块对输入点云进行正态分布以解决点云的密度不均匀和几何结构不确定性;其次,在编码模块首先使用注意力机制对上层特... 为了提高三维点云数据的分类准确率,对注意力机制的PCT与残差点MLP的PointMLP的融合算法进行研究。首先,加入几何仿射模块对输入点云进行正态分布以解决点云的密度不均匀和几何结构不确定性;其次,在编码模块首先使用注意力机制对上层特征进行全局表达,之后加入残差点MLP模块对注意力模块的输出特征进行深度特征表示以充分提取点云特征;最后是分类模块,完成下游点云分类任务。实验结果表明,改进后的算法在ModelNet40数据集上的分类准确率达到95.6%,相比PCT模型准确率提高了2.4%,且对点云数量的变化具有鲁棒性。 展开更多
关键词 三维点云 注意力 残差点MLP 点云分类
在线阅读 下载PDF
基于改进PointPillars的3D目标检测算法
7
作者 谢生龙 邵金菊 +2 位作者 单少飞 孙福昌 王磊 《重庆理工大学学报(自然科学)》 CAS 北大核心 2024年第10期55-62,共8页
针对自动驾驶场景下远距离及遮挡目标识别问题,对PointPillars算法进行了改进。引入了并行的空间注意力和通道注意力机制,增强了目标的位置信息及有用特征通道权重,提高了远距离目标的检测精度。在2D CNN骨干网络中引入了自适应空间特... 针对自动驾驶场景下远距离及遮挡目标识别问题,对PointPillars算法进行了改进。引入了并行的空间注意力和通道注意力机制,增强了目标的位置信息及有用特征通道权重,提高了远距离目标的检测精度。在2D CNN骨干网络中引入了自适应空间特征融合模块,解决了特征拼接的信息丢失问题,提高了遮挡目标的检测精度。基于KITTI数据集在3种不同场景难度下分别对SECOND、PointPillars、改进PointPillars这3种算法进行了定量分析验证,并将改进的PointPillars算法进行可视化分析。定量分析表明,改进PointPillars算法在鸟瞰图模式下目标检测精度最大提升2.75%;在三维模式下目标检测精度最大提升2.93%;在AOS模式下目标检测精度最大提升4.05%,可视化结果表明改进的PointPillars算法能有效检测远距离及遮挡目标。 展开更多
关键词 目标检测 pointPillars 注意力机制 点云 自适应空间特征融合
在线阅读 下载PDF
SSA-PointNet++:空间自注意力机制下的3D点云语义分割网络 被引量:21
8
作者 吴军 崔玥 +2 位作者 赵雪梅 陈睿星 徐刚 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2022年第3期437-448,共12页
为增强捕捉细粒度局部特征能力以进一步提高复杂场景点云语义分割精度,将自注意力机制引入PointNet++构建点云语义分割网络SSA-PointNet++.首先将采样点邻域的自注意力明确分为中心自注意力和邻域自注意力两部分,综合两者并结合不同空... 为增强捕捉细粒度局部特征能力以进一步提高复杂场景点云语义分割精度,将自注意力机制引入PointNet++构建点云语义分割网络SSA-PointNet++.首先将采样点邻域的自注意力明确分为中心自注意力和邻域自注意力两部分,综合两者并结合不同空间编码方式增强网络模型对采样点邻域拓扑结构的学习;然后构建注意力池化模块以强化重要信息在网络的有效传递,并通过差异性池化函数整合注意力池化、最大池化提取的多个全局特征以提高点云语义分割结果的鲁棒性.对公开数据集S3DIS,Semantic3D的场景语义分割实验表明,所提网络模型数据集分割精度mIoU较基准模型提升效果显著,在室内数据集S3DIS上的mIoU较PointNet++提升达6.6%,在室外数据集Semantic3D上的mIoU高出MSDeepVoxNet约3%;与公开数据集上其他网络模型的分割结果相比,所提模型性能均有不同程度的提升,具有更强的泛化性能和良好的应用价值. 展开更多
关键词 点云语义分割 深度学习 卷积神经网络 自注意力机制
在线阅读 下载PDF
基于特征融合的改进型PointPillar点云目标检测 被引量:2
9
作者 张勇 石志广 +2 位作者 沈奇 张焱 张宇 《光学精密工程》 EI CAS CSCD 北大核心 2023年第19期2910-2920,共11页
针对PointPillar在自动驾驶道路场景下对点云稀疏小目标检测效果差的问题,通过引入一种多尺度特征融合策略和注意力机制,提出一种点云目标检测网络Pillar-FFNet。针对网络中的特征提取问题,设计了一种基于残差结构的主干网络;针对馈入... 针对PointPillar在自动驾驶道路场景下对点云稀疏小目标检测效果差的问题,通过引入一种多尺度特征融合策略和注意力机制,提出一种点云目标检测网络Pillar-FFNet。针对网络中的特征提取问题,设计了一种基于残差结构的主干网络;针对馈入检测头的特征图没有充分利用高层特征的语义信息和低层特征的空间信息的问题,设计了一种简单有效的多尺度特征融合策略;针对主干网络提取的特征图中信息冗余的问题,提出了一种卷积注意力机制。为验证所提算法的性能,在KITTI和DAIR-V2X-I数据集上进行实验。实验结果表明,所提出的算法在KITTI数据集上与PointPillar相比,汽车、行人和骑行者的平均精度最大提高分别为0.84%,2.13%和4.02%;在DAIR-V2X-I数据集上与PointPillar相比,汽车、行人和骑行者的平均精度最大提高分别为0.33%,2.09%和4.71%,由此证明了所提方法对点云稀疏小目标检测的有效性。 展开更多
关键词 小目标检测 点云稀疏 pointPillar 残差结构 多尺度特征融合 卷积注意力
在线阅读 下载PDF
基于注意力机制的PointPillars+三维目标检测 被引量:24
10
作者 詹为钦 倪蓉蓉 杨彪 《江苏大学学报(自然科学版)》 EI CAS 北大核心 2020年第3期268-273,共6页
针对自动驾驶场景下的周边车辆及行人等目标的识别和定位问题,提出了一种基于注意力机制的PointPillars+三维目标检测算法.算法将完整空间按等尺寸柱均匀划分,从所有柱中提取内部点云的特征进而生成伪图;引入2种注意力机制,实现对伪图... 针对自动驾驶场景下的周边车辆及行人等目标的识别和定位问题,提出了一种基于注意力机制的PointPillars+三维目标检测算法.算法将完整空间按等尺寸柱均匀划分,从所有柱中提取内部点云的特征进而生成伪图;引入2种注意力机制,实现对伪图中特征信息的放大和抑制;使用卷积神经网络对注意力模块输出结果进一步处理,并使用SSD(single shot multibox detector)算法进行三维目标检测.结果表明:基于并行注意力机制的PointPillars+检测算法取得了良好的检测效果,相对于PointPillars算法,鸟瞰图下,平均均值精度(mAP)的中等难度均值(mAPm)从66.19增加到69.95,汽车的mAP从86.10增加到87.73;三维模式下,mAPm从59.20增加到62.55,汽车的mAP从74.99增加到76.25. 展开更多
关键词 三维目标 激光雷达 注意力机制 卷积神经网络 点云
在线阅读 下载PDF
面向部件分割的PointNet注意力加权特征聚合网络 被引量:4
11
作者 梁振华 王丰 《计算机应用研究》 CSCD 北大核心 2023年第5期1571-1576,1582,共7页
为解决PointNet最大池化损失次要特征导致部件分割精度降低的问题,提出一种面向部件分割的PointNet注意力加权特征聚合网络,能够充分利用点云的不同特征进行部件分割。首先利用多层感知机提取点云的空间几何特征,将特征乘以共享权重矩阵... 为解决PointNet最大池化损失次要特征导致部件分割精度降低的问题,提出一种面向部件分割的PointNet注意力加权特征聚合网络,能够充分利用点云的不同特征进行部件分割。首先利用多层感知机提取点云的空间几何特征,将特征乘以共享权重矩阵,以获取每个点的每一个特征的注意力分数;接着把归一化的分数作为权重乘以对应的全局特征并求和,得到聚合的全局特征;最后使用多层感知机将聚合的特征映射到部件分割结果。实验结果表明,相比于传统PointNet方法,该方法提升了部件分割的总平均交并比,同时在网络鲁棒性和计算复杂度方面具有显著优势,有效优化了PointNet。 展开更多
关键词 机器视觉 点云 部件分割 注意力机制 特征聚合 鲁棒性
在线阅读 下载PDF
融合多注意力机制与PointRCNN的三维点云目标检测 被引量:4
12
作者 郑美琳 高建瓴 《电子测量技术》 北大核心 2022年第9期127-132,共6页
针对三维不规则的点云格式和密度不均匀的问题,提出了一种融合多注意力机制与PointRCNN网络用于三维点云目标检测。本实验主要对PointRCNN两阶段网络分别进行改进,首先,把通道注意力与空间注意力机制串行通过调节输入到第一阶段各网络... 针对三维不规则的点云格式和密度不均匀的问题,提出了一种融合多注意力机制与PointRCNN网络用于三维点云目标检测。本实验主要对PointRCNN两阶段网络分别进行改进,首先,把通道注意力与空间注意力机制串行通过调节输入到第一阶段各网络层的分布,批量归一化进一步快速识别三维特征;其次,引入交叉位置注意力机制到第二阶段网络为了避免交叉路径出现位置偏差,从而进一步精细化三维目标位置以进行特征提取。在KITTI数据集上实验结果表明:相比于PointRCNN检测网络,改进的网络在小汽车和行人测试上平均均值精度(mAP)分别提高了1.2%、1.9%。因此改进的方法在解决了点云格式不规则和密度不均匀问题的同时还保证了检测精度。 展开更多
关键词 pointRCNN 三维点云 目标检测 注意力机制 交叉位置
在线阅读 下载PDF
结合通道剪枝和通道注意力的轻量型车辆点云补全网络 被引量:1
13
作者 杨晓文 冯泊栋 +3 位作者 韩慧妍 况立群 韩燮 何黎刚 《计算机工程与应用》 北大核心 2025年第1期232-242,共11页
针对现有的点云补全网络多关注于补全的精度而忽视补全效率问题,提出了一种轻量型点云补全网络来准确、高效地修复自动驾驶中的不完整车辆点云。为了提高网络推理效率,采用一种高效的一次性通道剪枝技术提高网络的补全效率;在特征提取阶... 针对现有的点云补全网络多关注于补全的精度而忽视补全效率问题,提出了一种轻量型点云补全网络来准确、高效地修复自动驾驶中的不完整车辆点云。为了提高网络推理效率,采用一种高效的一次性通道剪枝技术提高网络的补全效率;在特征提取阶段,网络加入通道注意力模块,将加权特征与全局特征拼接,通过两层多维特征信息提取,得到最终的特征向量;将特征向量传入双解码器结构中,分别通过全连接层和多层感知机生成稠密的粗糙点云和输入点云偏差值;将粗糙点云与输入点云偏差值相加得到最终的精细化完整点云。在PCN数据集和KITTI数据集上进行实验,实验结果表明在补全缺失车辆信息的实时性上有着显著的提升,并且在补全精度上也有不错的表现。 展开更多
关键词 点云补全 通道剪枝 通道注意力 轻量型 深度学习
在线阅读 下载PDF
基于对比学习和标签挖掘的点云分割算法 被引量:1
14
作者 黄华 卜一凡 +1 位作者 许宏丽 王晓荣 《计算机研究与发展》 北大核心 2025年第1期132-143,共12页
基于深度学习的点云分割算法通过设计复杂的特征提取模块,可以对高维空间点云进行有效的分割.但由于缺乏对边界点集的特征挖掘,使得其对边界分割的精度欠佳.已有将对比学习思想用于点云分割以解决边界区域分割性能不足问题的研究中,忽... 基于深度学习的点云分割算法通过设计复杂的特征提取模块,可以对高维空间点云进行有效的分割.但由于缺乏对边界点集的特征挖掘,使得其对边界分割的精度欠佳.已有将对比学习思想用于点云分割以解决边界区域分割性能不足问题的研究中,忽略了点云无序和稀疏特性,特征提取不够准确.对此,设计了基于对比学习和标签挖掘的点云分割模型CL2M(contrastive learning label mining),通过自注意力机制学习不同位置处点云更为精准的特征,并引入对比学习方法,提高了点云边界处的分割精度.在对比边界学习过程中通过深入挖掘语义空间中的标签并设计了基于标签分布的对比边界学习模块,使得高维空间点云标签分布包含更多的语义信息.CL2M充分利用标签的分布规律计算分布间的距离,可准确划分正负样本,减少了常规硬划分带来的累计错误.在2个公开数据集上进行的实验结果表明,CL2M在多个评价指标上优于既有的点云分割模型,验证了模型的有效性. 展开更多
关键词 计算机视觉 点云分割 对比学习 自注意力机制 边界挖掘
在线阅读 下载PDF
基于层次特征增强的细粒度点云分类 被引量:1
15
作者 白静 刘路 +1 位作者 郑虎 蒋金哲 《浙江大学学报(理学版)》 北大核心 2025年第1期70-80,共11页
针对粗粒度点云分类方法在细粒度数据集中局部特征提取不足的问题,提出了一种基于层次特征增强的三维细粒度点云分类网络(HFE-Net)。基于Veronese映射的点特征增强模块(V-PE)对点云数据进行数据增强,辅助网络学习法线和姿态高阶信息;基... 针对粗粒度点云分类方法在细粒度数据集中局部特征提取不足的问题,提出了一种基于层次特征增强的三维细粒度点云分类网络(HFE-Net)。基于Veronese映射的点特征增强模块(V-PE)对点云数据进行数据增强,辅助网络学习法线和姿态高阶信息;基于多尺度上下文感知的簇内特征增强模块(CA-IntraCE),利用不同尺度的K近邻(K-nearest neighbors,KNN)算法以及交叉注意力实现不同尺度特征的增强,以消除最大池化带来的信息丢失;基于分组稀疏采样的簇间特征增强模块(GSS-InterCE),利用最远点采样(FPS)算法获得稀疏点,并采用交叉注意力实验不同簇间的特征增强,从而提高网络的细粒度判别能力。在FG3D数据集Airplane、Car和Chair 3个类别上的实验结果显示,HFE-Net的总体准确率分别达97.40%,80.53%和83.83%,已超过现有最优方法DC-Net、FGPNet的分类框架,说明HFE-Net的分类性能具有一定的优越性。 展开更多
关键词 三维点云 细粒度分类 交叉注意力 特征增强
在线阅读 下载PDF
局部特征的高精度点云配准算法研究 被引量:1
16
作者 但远宏 惠郁雯 《重庆理工大学学报(自然科学)》 北大核心 2025年第3期110-117,共8页
点云配准是自动驾驶领域和三维重建的一个关键问题,表示一片点云进行刚性变换对齐到另外一片点云。领域中流行的DCP(deep closest point)算法在局部特征提取方面不够深入,针对这个问题,提出了一个改进算法——GPR。该算法使用多层传播... 点云配准是自动驾驶领域和三维重建的一个关键问题,表示一片点云进行刚性变换对齐到另外一片点云。领域中流行的DCP(deep closest point)算法在局部特征提取方面不够深入,针对这个问题,提出了一个改进算法——GPR。该算法使用多层传播模块进行特征学习,在传播过程中整合局部信息,灵活地将点与其邻域信息结合,通过传播层的多次迭代细化节点特征,有效地解决了高精度局部特征配准问题。GPR算法在ModelNet40数据集上端到端训练模型,并在几个设置中显示它比ICP及其变体(例如Go-ICP、FGR)和已提出的基于学习的方法PointNetLK等表现得更好。除了提供优化的配准技术之外,GPR算法还评估了将学习到的特征转移到看不见的物体上的适用性。在ModelNet40上进行的大量实验表明,GPR算法优于传统GPR算法和近几年流行的DCP算法,达到了先进的性能,具有将配准应用于未来无人系统的现实意义。 展开更多
关键词 点云配准 深度学习 注意力机制 奇异值分解
在线阅读 下载PDF
基于序列图时空增强与地理关系的兴趣点推荐 被引量:1
17
作者 刘超 朱军 《计算机应用研究》 北大核心 2025年第3期755-761,共7页
针对现有兴趣点(points-of-interest,POI)推荐存在的地理特征挖掘不充分与未将顺序信息纳入空间偏好的问题,提出基于序列图时空增强与地理关系(spatial-temporal enhancement of sequence graph and geographical relationships,STESGGR... 针对现有兴趣点(points-of-interest,POI)推荐存在的地理特征挖掘不充分与未将顺序信息纳入空间偏好的问题,提出基于序列图时空增强与地理关系(spatial-temporal enhancement of sequence graph and geographical relationships,STESGGR)的POI推荐模型。首先,利用POI位置信息构建地理图,采用图卷积网络(graph convolutional network,GCN)与注意力机制获取用户访问POI的地理特征。其次,利用用户签到信息提取时空特征构建时空信息增强的序列图,采用门图神经网络(gated graph neural network,GGNN)与注意力机制获取用户访问POI的时空偏好。然后,引入共同性学习优化框架学习顺序信息与地理特征之间的互补信息,进一步挖掘地理特征。最后,融合两个特征信息并通过多层感知机(multilayer perceptron,MLP)进行POI推荐。在五个真实数据集上进行了实验,结果表明STESGGR模型在AUC和Logloss指标上分别提升1.2%~2.7%和3.2%~12.4%。实验证明STESGGR在基于位置的POI推荐下有较好的表现,充分挖掘了顺序与地理特征,提升了推荐效果。 展开更多
关键词 POI推荐 时空信息 地理信息 顺序信息 注意力机制
在线阅读 下载PDF
基于GAT-GRU的高渗透率分布式新能源接入的配电网无功优化 被引量:1
18
作者 刘会家 滕杰 +1 位作者 冯铃 肖懂 《现代电力》 北大核心 2025年第3期531-541,共11页
无功优化在配电网的电压控制、潮流分布以及整个配电网的稳定中起着至关重要的作用。目前,高渗透率新能源的分布式并网以及负荷的多样化给电网的稳定运行带来了巨大的挑战,传统无功补偿方式的时效性以及准确性在当下复杂电网背景下已经... 无功优化在配电网的电压控制、潮流分布以及整个配电网的稳定中起着至关重要的作用。目前,高渗透率新能源的分布式并网以及负荷的多样化给电网的稳定运行带来了巨大的挑战,传统无功补偿方式的时效性以及准确性在当下复杂电网背景下已经无法满足低成本–高质量的供电要求。针对以上情况,该文采用图注意力网络(graph attention networks,GAT)结合门控循环单元(gate recurrent unit,GRU)神经网络对配电网的无功做出优化决策,基于GAT-GRU网络,把握节点间相关性特征的同时获取配电网特征时间依赖性。依据决策,通过无功调节设备与智能柔性开关(soft open point,SOP)协同,以解决配电网的无功优化问题。最后,利用改进的IEEE 33节点配电模型对所提方法进行验证,结果表明GAT-GRU网络在电压控制、网络损耗优化等方面具有良好的效果,证明了该方法在无功优化中的有效性与优异性。 展开更多
关键词 无功优化 配电网 图注意力网络 门控循环单元 分布式能源 智能软开关
在线阅读 下载PDF
三维点云双重补全网络
19
作者 吴萌 严瑞祺 +2 位作者 孙增国 赵怀栋 何芊平 《计算机工程与应用》 北大核心 2025年第7期297-305,共9页
受到传感器性能与采集遮挡等因素的影响,点云采集形成的连续缺失会严重影响被采集对象的形态与结构的表达。因此,点云的补全成为三维点云重建中非常重要的环节。目前经过编码器-解码器(encoder-decoder)框架来提取全局特征预测完整点云... 受到传感器性能与采集遮挡等因素的影响,点云采集形成的连续缺失会严重影响被采集对象的形态与结构的表达。因此,点云的补全成为三维点云重建中非常重要的环节。目前经过编码器-解码器(encoder-decoder)框架来提取全局特征预测完整点云的点云补全网络,会使输入点云的几何结构被破坏,造成位移损失,使点云中点的分布不均匀。为了改善上述问题,搭建了一个点云双重补全网络,第一重生成粗糙点云,再经过第二重精细化生成更为精细的点云数据。并增加了一种基于多头自注意的全局特征感知模块和特征扩展模块。通过注意力机制感知聚合点云特征,增强每个点的特征维度,有效地增强了点之间的相关性。最终,在编码器-解码器框架中利用这两个模块,来增强点云补全的完整性和精细性,可以有效地恢复点云的结构。经过实验测试表明:在PCN数据集和Completion3D数据集中平均CD分别达到5.98×10-3和6.11×10-3,在可视化结果中与其他方法相比得到了更好的效果。 展开更多
关键词 点云补全 多头注意力 特征扩展 双重网络
在线阅读 下载PDF
面向点云理解的双邻域图卷积方法
20
作者 李宗民 徐畅 +2 位作者 白云 鲜世洋 戎光彩 《浙江大学学报(工学版)》 北大核心 2025年第5期879-889,共11页
针对现有方法对局部点云结构建模时空间跨度有限以及传统特征聚合方法造成一定信息损失的问题,提出双邻域图卷积网络(DNGCN).在原始点云中增加角度先验,以增强对点云局部几何结构的理解,捕捉局部细节.对原始邻域进行扩展,在局域内设计... 针对现有方法对局部点云结构建模时空间跨度有限以及传统特征聚合方法造成一定信息损失的问题,提出双邻域图卷积网络(DNGCN).在原始点云中增加角度先验,以增强对点云局部几何结构的理解,捕捉局部细节.对原始邻域进行扩展,在局域内设计双邻域图卷积,通过集成高斯自适应聚合,在提取较大感受野范围内显著特征的同时,充分保留原始邻域信息.通过局部-全局信息交互来增大局部点的空间跨度,捕获远距离依赖关系.本文方法在分类数据集ModelNet40和ScanObjectNN上分别取得了94.1%、89.6%的总体精度,与其他先进算法相比有显著提升,较DGCNN分别提升了1.2%、11.5%.在部件分割数据集ShapeNetPart和语义分割数据集ScanNetv2、S3DIS上均获得优秀的性能,平均交并比分别为86.7%、74.9%和69.8%.通过大量的实验,证明了该模型的有效性. 展开更多
关键词 点云特征 图卷积网络 几何增强 局部全局交互 注意力机制
在线阅读 下载PDF
上一页 1 2 34 下一页 到第
使用帮助 返回顶部