公开(公告)号：CN119478363A

公开(公告)日：2025-02-18

申请号：CN202411560953.3

申请日：2024-11-04

Applicant: 华北电力大学(保定)

Inventor： 孙洋 ,  鲁斌 ,  杨振宇 ,  王煕煚 ,  杨烜 ,  陈娟

IPC: G06V10/25 ,  G06V10/82 ,  G06V20/64 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明涉及一种基于标签引导的变分自编码器的单阶段三维目标检测方法，步骤为：输入点云；体素化点云，将不规则的点云空间划分为均匀堆叠的体素；对体素化的点云进行3D骨干网络化处理，提取多尺度体素特征；引入标签信息作为先验条件，构建变分自编码器LG‑CVAE；多任务损失函数处理，在多任务损失函数中结合目标感知对抗损失，计算LG‑CVAE生成的特征图与输入特征图之间的KL散度，使生成的潜在特征更接近真实数据分布；输出三维框。本方法结合了CVAE、注意力机制和对抗性训练的优势，能够学习更有效的特征表示，并从CNN生成的众多特征图中选择最有效的特征，进一步提升LG‑CVAE的特征提取能力。

公开(公告)号：CN119478409A

公开(公告)日：2025-02-18

申请号：CN202411561004.7

申请日：2024-11-04

Applicant: 华北电力大学(保定)

Inventor： 鲁斌 ,  封松飞 ,  孙洋 ,  杨烜 ,  张泽林 ,  陈娟

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06V20/64 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明涉及一种基于密度感知与特征增强的点云语义分割方法及模型，方法包括：首先，在输入点云中进行动态密度感知采样，根据语义特征距离分组；然后，多层次提取深层语义信息后进行相对位置信息的增强，强化不同区域的局部特征；最后，在解码器上采样中根据语义同质性指导恢复采样点，使用双向自注意力机制，对点和通道级语义特征进行融合。模型包括点云输入模块、下采样模块、交叉注意力模块、位置特征增强模块、上采样模块、点云输出模块及触发阈值判断模块。将本发明方法在公开数据集S3DIS与Scannet上进行测试，mIoU分别达到了73.0％与74.8％，相对基线模型分别提升了2.6％与4.2％，证明了本方法的有效性。