-
公开(公告)号:CN118736233B
公开(公告)日:2024-11-19
申请号:CN202410943324.2
申请日:2024-07-15
Applicant: 吉林农业大学
IPC: G06V10/26 , G06N3/0455 , G06N3/0464 , G06N3/088
Abstract: 本发明涉及一种大规模三维点云场景的统一分割框架的构建方法,属于计算机图像识别及人工智能技术领域。包括:提取点云的超点信息;通过混合特征编码组件提取点云的局部特征;通过三元距离注意力池对局部邻域进行聚合,得到点云的逐点特征表示;通过超点池化层将超点信息与逐点特征分组为超点特征,作为解码器的键和值,同时将一组可学习的语义和实例查询通过随机初始化作为输入,三者通过超点交叉注意机制捕获点云信息;采用分解匹配策略以端到端的方式训练来预测点云中每个点的语义标签,最终完成对整个场景中点云的语义、实例和全景分割。优点在于:能够同时处理语义、实例和全景分割任务,避免了传统方法中针对不同任务需要不同框架的局限性。
-
公开(公告)号:CN118736233A
公开(公告)日:2024-10-01
申请号:CN202410943324.2
申请日:2024-07-15
Applicant: 吉林农业大学
IPC: G06V10/26 , G06N3/0455 , G06N3/0464 , G06N3/088
Abstract: 本发明涉及一种大规模三维点云场景的统一分割框架的构建方法,属于计算机图像识别及人工智能技术领域。包括:提取点云的超点信息;通过混合特征编码组件提取点云的局部特征;通过三元距离注意力池对局部邻域进行聚合,得到点云的逐点特征表示;通过超点池化层将超点信息与逐点特征分组为超点特征,作为解码器的键和值,同时将一组可学习的语义和实例查询通过随机初始化作为输入,三者通过超点交叉注意机制捕获点云信息;采用分解匹配策略以端到端的方式训练来预测点云中每个点的语义标签,最终完成对整个场景中点云的语义、实例和全景分割。优点在于:能够同时处理语义、实例和全景分割任务,避免了传统方法中针对不同任务需要不同框架的局限性。
-