-
公开(公告)号:CN118864947A
公开(公告)日:2024-10-29
申请号:CN202410881171.3
申请日:2024-07-01
Applicant: 无锡学院
IPC: G06V10/764 , G06V20/64 , G06V10/26 , G06V10/44 , G06V10/82 , G06V10/771 , G06N3/045 , G06N3/0464 , G06N3/0499
Abstract: 本发明公开了一种基于COGCN网络的三维点云分类与分割方法,所述COGCN网络包括点云分类模型、点云分割模型;所述点云分类模型由依次连接的四层特征提取层、多层感知机MLP和融合池化层组成;所述点云分割模型由依次连接的空间变换网络、三层特征提取层、多层感知机MLP、最大池化层、全连接层组成;本发明利用CSEConv模块和Offset‑Attention模块相结合的方式,显著增强了点云数据的局部特征和上下文特征的提取能力。通过特征融合和多层感知机MLP的处理,有效捕捉了点云数据中的结构信息和语义信息,提高了分类与分割任务的精度。
-
公开(公告)号:CN118941787A
公开(公告)日:2024-11-12
申请号:CN202410914493.3
申请日:2024-07-09
Applicant: 无锡学院
IPC: G06V10/26 , G06V20/70 , G06V20/64 , G06V10/44 , G06V10/40 , G06V10/80 , G06V10/762 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0499 , G06N3/048
Abstract: 本发明公开了一种融合多头注意力机制的PointGroup点云分割方法,该PointGroup网络结构由改进后的UNet网络、点云聚类模块和ScoreNet评分模块组成,依次进行如下步骤:选择ScanNetV2数据集,使用其中点云数据作为训练集、验证集和测试集;搭建改进后的特征提取网络模型;将提取的特征输入语义和偏移分支,生成语义标签和偏移向量;引入一种聚类方法,将点分组到原始坐标集和移位坐标集上的候选聚类中;将聚类结果输入ScoreNet评估候选实例,结合非极大值抑制移除重复实例,输出分割结果;训练以及测试模型;提高分割网络模型的鲁棒性,增加泛化能力,实现对室内场景点云实例的快速、准确分割。
-