摘要
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。
技术关键词
语义特征
注意力
语义标签
邻居
融合空间信息
点云信息
颜色
场景
空间坐标信息
级联
无监督算法
框架
匈牙利算法
机制
编码
人工智能技术
加权特征
解码器
系统为您推荐了相关专利信息
钙钛矿材料
深度生成模型
样本
比例分析方法
注意力机制
数据建模方法
门控循环神经网络
序列
机器可读指令
数据嵌入
风险预警方法
融合特征
风险评估模型
多任务学习网络
递归神经网络
状况监测系统
传感器技术
三维卷积神经网络
运动姿态数据
深度神经网络架构