申请/专利权人:东华理工大学
申请日:2023-11-16
公开(公告)日:2024-02-06
公开(公告)号:CN117523201A
主分类号:G06V10/26
分类号:G06V10/26;G06V10/25;G06V10/82;G06N3/045;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-公开
法律状态:2024.02.06#公开
摘要:本发明涉及基于深度残差与注意力丢弃的体素化网络的点云语义分割网络模型,其包括:DeepInverseResidual模块,挖掘体素深层次信息,以弥补体素化时点云信息丢失的损失;DropAttention模块,扩大每个体素对全局信息的感受野范围。本发明方法的语义分割性能mIoU为65.6%,与其他方法相比,实现了最好的语义分割性能。其与同样采用稀疏卷积的方法Minkowski相比,性能提升2.4%;与最近的方法GeoSegNet相比,性能提升0.7%;从mIoU量化结果可以看出,本发明方法实现了最好的点云分割性能。对于采用体素化分割的方法PVT,本发明方法性能上升0.1%。同时,对于其他网络(PointNet、PointNet++、PointConv以及P2P)均有不同的提升。
主权项:1.基于深度残差与注意力丢弃的体素化网络的点云语义分割网络模型,其特征在于,包括:DeepInverseResidual模块,挖掘体素深层次信息,以弥补体素化时点云信息丢失的损失;DropAttention模块,扩大每个体素对全局信息的感受野范围。
全文数据:
权利要求:
百度查询: 东华理工大学 基于深度残差与注意力丢弃的体素化网络的点云语义分割网络模型
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。