公开(公告)号：CN114239808B

公开(公告)日：2023-09-01

申请号：CN202111563705.0

申请日：2021-12-20

Applicant: 湖北工业大学

Inventor： 王改华 ,  王能元 ,  李麒 ,  刘洪

IPC: G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及一种基于PointCloudTransformer的多尺度优化网络方法，本发明所述多尺度优化网络包括3部分，第1部分为采样层，对输入点云进行一个特征采样。第2部分为，多尺度优化结构，含有不同尺寸卷积的线性激活层。其中每个卷积层后面连接batchnorm和ReLU，对采样后的点使用不同卷积尺度的线性激活层进行复合特征提取，然后与原输入进行拼接。第3部分为同尺寸卷积的线性激活层，该层主要是对第2部分输出的数据特征进一步的特征提取，作用类似于全连接层。通过实验对比发现，本发明构建的网络结构实验精度高，三个含有不同卷积尺寸的线性激活层结构提取特征强，实验效果较为理想。

公开(公告)号：CN116543149A

公开(公告)日：2023-08-04

申请号：CN202310462809.5

申请日：2023-04-26

Applicant: 湖北工业大学

Inventor： 王改华 ,  李麒 ,  王能元 ,  刘洪

IPC: G06V10/26 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提出了一种基于全局及局部自注意力的点云语义分割系统及方法，包括下采样模块、具有逆密度权重的局部自注意力模块、轻量级的全局自注意力模块、融合模块以及上采样模块；其中下采样模块用于缩减点云数量、提取点云高维特征，具有逆密度权重的局部自注意力模块用于补偿点云的不均匀分布以及获取点云的局部关联，轻量级的全局自注意力模块用于获取点云的整体关联，融合模块的主要作用是将两种不同的注意力模块的输出在同一尺度上融合，该系统和方法可以捕捉输入点云中每个点细粒度的特征，提高点云语义分割任务的精度。与其他模型相比，本发明在精度上展现了巨大的优势。

公开(公告)号：CN114239808A

公开(公告)日：2022-03-25

申请号：CN202111563705.0

申请日：2021-12-20

Applicant: 湖北工业大学

Inventor： 王改华 ,  王能元 ,  李麒 ,  刘洪

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于PointCloudTransformer的多尺度优化网络方法，本发明所述多尺度优化网络包括3部分，第1部分为采样层，对输入点云进行一个特征采样。第2部分为，多尺度优化结构，含有不同尺寸卷积的线性激活层。其中每个卷积层后面连接batchnorm和ReLU，对采样后的点使用不同卷积尺度的线性激活层进行复合特征提取，然后与原输入进行拼接。第3部分为同尺寸卷积的线性激活层，该层主要是对第2部分输出的数据特征进一步的特征提取，作用类似于全连接层。通过实验对比发现，本发明构建的网络结构实验精度高，三个含有不同卷积尺寸的线性激活层结构提取特征强，实验效果较为理想。