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
基于特征通道和空间位置注意力的三维点云特征学习网络
被引量：
2
1
作者
吴亦奇
韩放
+2 位作者
张德军
何发智
陈壹林
《计算机工程与科学》
CSCD
北大核心
2022年第7期1239-1246,共8页
点云模型的分类与部件分割是三维点云数据处理的基本任务,其核心在于获取可以有效表示三维模型的点云特征。提出一个引入注意力机制的三维点云特征学习网络。该网络采用多层次点云特征提取方法,首先使用特征通道注意力模块获取各通道间...
点云模型的分类与部件分割是三维点云数据处理的基本任务,其核心在于获取可以有效表示三维模型的点云特征。提出一个引入注意力机制的三维点云特征学习网络。该网络采用多层次点云特征提取方法,首先使用特征通道注意力模块获取各通道间的关联,增强关键通道信息;接着引入空间位置注意力机制,基于点的空间位置信息获取各点的注意力权重;然后结合以上2种注意力机制获取增强的点云特征;最后基于该特征继续进行多层次特征提取,获得面向下游任务的点云特征。分别在ModelNet40和ShapeNet数据集上进行形状分类与部件分割实验,结果表明,使用所提方法可以实现高精度、具有鲁棒性的三维点云形状分类与分割。
展开更多
关键词
点云模型
注意力机制
形状分类
部件分割
在线阅读
下载PDF
职称材料
一种基于自训练的众包标记噪声纠正算法
被引量：
1
2
作者
杨艺
蒋良孝
李超群
《自动化学报》
EI
CAS
CSCD
北大核心
2023年第4期830-844,共15页
针对众包标记经过标记集成后仍然存在噪声的问题,提出了一种基于自训练的众包标记噪声纠正算法(Selftraining-based label noise correction,STLNC).STLNC整体分为3个阶段:第1阶段利用过滤器将带集成标记的众包数据集分为噪声集和干净集...
针对众包标记经过标记集成后仍然存在噪声的问题,提出了一种基于自训练的众包标记噪声纠正算法(Selftraining-based label noise correction,STLNC).STLNC整体分为3个阶段:第1阶段利用过滤器将带集成标记的众包数据集分为噪声集和干净集.第2阶段利用加权密度峰值聚类算法构建数据集中低密度实例指向高密度实例的空间结构关系.第3阶段首先根据发现的空间结构关系设计噪声实例选择策略;然后利用在干净集上训练的集成分类器对选择的噪声实例按照设计的实例纠正策略进行纠正,并将纠正后的实例加入到干净集,再重新训练集成分类器;重复实例选择与纠正过程直到噪声集中所有的实例被纠正;最后用最后一轮训练得到的集成分类器对所有实例进行纠正.在仿真标准数据集和真实众包数据集上的实验结果表明STLNC比其他5种最先进的噪声纠正算法在噪声比和模型质量两个度量指标上表现更优.
展开更多
关键词
众包学习
自训练
集成标记
标记噪声
噪声纠正
在线阅读
下载PDF
职称材料
题名
基于特征通道和空间位置注意力的三维点云特征学习网络
被引量：
2
1
作者
吴亦奇
韩放
张德军
何发智
陈壹林
机构
中国地质大学
(
武汉
)计算机学院
智能
地学
信息
处理
湖北省
重点
实验室
(
中国地质大学
(
武汉
))
武汉
大学
计算机学院
武汉
工程
大学
计算机科学与工程学院
出处
《计算机工程与科学》
CSCD
北大核心
2022年第7期1239-1246,共8页
基金
国家自然科学基金(61802355,61702350)
智能地学信息处理湖北省重点实验室开放研究课题(KLIGIP-2019B04)。
文摘
点云模型的分类与部件分割是三维点云数据处理的基本任务,其核心在于获取可以有效表示三维模型的点云特征。提出一个引入注意力机制的三维点云特征学习网络。该网络采用多层次点云特征提取方法,首先使用特征通道注意力模块获取各通道间的关联,增强关键通道信息;接着引入空间位置注意力机制,基于点的空间位置信息获取各点的注意力权重;然后结合以上2种注意力机制获取增强的点云特征;最后基于该特征继续进行多层次特征提取,获得面向下游任务的点云特征。分别在ModelNet40和ShapeNet数据集上进行形状分类与部件分割实验,结果表明,使用所提方法可以实现高精度、具有鲁棒性的三维点云形状分类与分割。
关键词
点云模型
注意力机制
形状分类
部件分割
Keywords
point cloud
attention mechanism
shape classification
part segmentation
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
一种基于自训练的众包标记噪声纠正算法
被引量：
1
2
作者
杨艺
蒋良孝
李超群
机构
中国地质大学
(
武汉
)计算机学院
智能
地学
信息
处理
湖北省
重点
实验室
(
中国地质大学
(
武汉
))
中国地质大学
(
武汉
)数学与物理学院
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2023年第4期830-844,共15页
基金
国家自然科学基金联合基金(U1711267)
中央高校基本科研业务费专项资金(CUGGC03)资助。
文摘
针对众包标记经过标记集成后仍然存在噪声的问题,提出了一种基于自训练的众包标记噪声纠正算法(Selftraining-based label noise correction,STLNC).STLNC整体分为3个阶段:第1阶段利用过滤器将带集成标记的众包数据集分为噪声集和干净集.第2阶段利用加权密度峰值聚类算法构建数据集中低密度实例指向高密度实例的空间结构关系.第3阶段首先根据发现的空间结构关系设计噪声实例选择策略;然后利用在干净集上训练的集成分类器对选择的噪声实例按照设计的实例纠正策略进行纠正,并将纠正后的实例加入到干净集,再重新训练集成分类器;重复实例选择与纠正过程直到噪声集中所有的实例被纠正;最后用最后一轮训练得到的集成分类器对所有实例进行纠正.在仿真标准数据集和真实众包数据集上的实验结果表明STLNC比其他5种最先进的噪声纠正算法在噪声比和模型质量两个度量指标上表现更优.
关键词
众包学习
自训练
集成标记
标记噪声
噪声纠正
Keywords
Crowdsourcing learning
self-training
integrated labels
label noise
noise correction
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TP181 [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
基于特征通道和空间位置注意力的三维点云特征学习网络
吴亦奇
韩放
张德军
何发智
陈壹林
《计算机工程与科学》
CSCD
北大核心
2022
2
在线阅读
下载PDF
职称材料
2
一种基于自训练的众包标记噪声纠正算法
杨艺
蒋良孝
李超群
《自动化学报》
EI
CAS
CSCD
北大核心
2023
1
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
