申请/专利权人：东南大学

申请日：2021-03-31

公开（公告）日：2024-03-26

公开（公告）号：CN112990336B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/80;G06F17/16;G06V10/82;G06N3/0464;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2021.07.06#实质审查的生效;2021.06.18#公开

摘要：本发明公开了一种基于竞争注意力融合的深度三维点云分类网络构建方法。首先对原始点云预处理得到输入点云，接着经过两层竞争性注意力融合特征抽象层提取高维特征，最后送入分类器获得分类得分。其中竞争性注意力融合特征抽象层，首先通过特征提取层获得输入数据的高维特征，然后将其与原始输入数据一同送入CAF模块进行特征融合，并将融合特征作为模块输出。本发明的核心CAF模块关注不同层级全局特征的提取与融合，度量特征内在相似度，CAF模块可以嵌入式应用于不同点云分类网络，具有可迁移性和可拓展性，提高了网络全局特征的表达能力，对加强模型抵抗噪声的鲁棒性有明显帮助。

主权项：1.一种基于竞争注意力融合的深度三维点云分类网络构建方法，其特征在于包括如下步骤：步骤1：对原始点云数据进行预处理；步骤2：构建CAF模块，形成竞争性注意力融合特征抽象层；步骤2中所述竞争性注意力融合特征抽象层由特征提取层和CAF模块两部分组成，首先，特征提取层接收来自竞争性注意力融合特征抽象层的输入数据Din，经过多层卷积网提取输入数据的高维特征Fext，将输入数据Din与高维特征Fext一同作为CAF模块的输入，在CAF模块中进行特征融合；所述CAF模块包含MFSE子模块和FICSA子模块：MFSE子模块关注不同层级全局特征的提取与融合，MFSE子模块将输入CAF模块的输入数据与高维特征分别进行池化和编码操作，其中为实数集，表示实数范围内维度为Ni×Ci的二维矩阵，Ni为当前阶段样本的点云数，Ci为当前阶段样本的特征通道数，i为不同矩阵维度的5个阶段的编号，得到编码后的特征N3＝1为FMFSE-in的点云数，C3＝C1r为FMFSE-in的特征通道数和N4＝1为FMFSE-ext的点云数，C4＝C2r为FMFSE-ext的特征通道数，公式如下： 其中P·是全局特征聚合的最大池化函数Maxpooling，φ·是全连接层和Relu激活函数，通道缩放比例r用于调节中间通道数；然后，将上述两个编码特征按通道方向堆叠，得到堆叠结果N5＝1为FMFSE-Concat的点云数，C5＝C1+C2r为FMFSE-Concat的特征通道数，公式如下： 随后，对该堆叠结果的通道数和特征图大小通过全连接层进行扩展，扩展至与高维特征Fext相同维度，将该特征作为MFSE子模块的输出FMFSE，公式如下： 其中为含有归一化函数Sigmoid的全连接层扩展过程，为MFSE子模块最终获得的全局注意力权值；FICSA子模块旨在度量特征内在相似度，FICSA子模块将输入CAF模块的高维特征进行1×1点向卷积运算，将每个点所有通道的特征线性映射至三个并行高维特征，公式如下： 其中V·、Q·、K·分别为三个独立的特征映射函数，获得三个对应的高级特征，维度均为N2×C2,wi为不同的线性转换系数，随后，进行相似度计算，通过点积运算获得中Q·、K·之间的关联，公式如下： 其中A·是中间特征内部高维度关系，γ是具有聚合功能的Softmax归一化函数，是为了减少训练参数量而设置的可选通道缩放比例系数，最后获得表征点与点之间特征内在关联的全局注意力权值FFICSA，公式为：FFICSA＝γAFextVFext6其中，V·的作用是调节A·的特征通道维度，将该特征作为FICSA子模块的最终输出最后，CAF模块将MFSE子模块的输出FMFSE和FICSA子模块的输出FFICSA进行竞争性权值融合，引入残差学习，对特征通道权值重分配，公式如下：FCAF＝αFMFSE+βFFICSA7通过矩阵加法，将全局注意力权值按不同比例系数α、β融合后，获得最终权值分配系数通过权值重分配和残差连接得到CAF模块的输出FFusion＝Fext+FCAFFext8CAF模块的输出FFusion即为竞争性注意力融合特征抽象层的输出；步骤3：堆叠两层竞争性注意力融合特征抽象层，构建深度三维点云分类网络；步骤4：将第二层竞争性注意力融合特征抽象层最终输出的高维特征送入分类器，得到分类结果。

全文数据：

权利要求：

百度查询： 东南大学 基于竞争注意力融合的深度三维点云分类网络构建方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD