CN114373104B 一种基于动态聚合的三维点云语义分割方法及系统 （同济大学）_第1页
CN114373104B 一种基于动态聚合的三维点云语义分割方法及系统 （同济大学）_第2页
CN114373104B 一种基于动态聚合的三维点云语义分割方法及系统 （同济大学）_第3页
CN114373104B 一种基于动态聚合的三维点云语义分割方法及系统 （同济大学）_第4页
CN114373104B 一种基于动态聚合的三维点云语义分割方法及系统 （同济大学）_第5页
已阅读5页，还剩11页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于动态聚合的三维点云语义分割方本发明涉及一种基于动态聚合的三维点云级联的动态聚合模块构成的编码器和特征传播过动态聚合模块对采样模块输出的点云数据进2i步骤S233、将采样模块输出的特征图Fin输入到由聚合后的动态卷积W作为权重的第一mid的输出维度与权重的输出维度相同；i,j)mid为第一个多层感知机的输出，∈(fi,j)为局部点云块i对其中每个特征的权步骤S3、通过三维点云语义分割模型的损失函数及优步骤S4、使用验证集对当前三维点云语义分割模型的3述训练集R比重为70所述验证集T比重为30所述训练集R中划分比重10％为验证集V。述步骤S231中局部点云块对特征fi,j的权重∈(fi,j)8.一种基于权利要求1所述的基于动态聚合的三维点云语义分割方法的系统，其特征4[0008]本发明的目的就是为了克服上述现有技术存在的缺陷而提供了一种语义分割精5[0018]优选地，所述训练集R比重为70所述验证集T比重为30所述训练集R中划分利用多层感知机捕获局部点云块之间的空间信息得到特征图F，其中F＝{fi，j|i＝1，采用Softmax函数生成；[0030]步骤S233、将采样模块输出的特征图Fin输入到由聚合后的mid的输出维度与权重的输出维度相同；6)7相应点的进行标注，采用本发明的基于动态聚合的三维点云语义分割方法进行语义分割。随机分为训练集R和测试集T，其中训练集R比重为70测试集T比重为30所述训练集RFini)与中心点Piii[0061]在之后的每一层采样模块中都使用相同的操作，则之后特征图的尺寸分别为利用多层感知机捕获局部点云块之间的空间信息得到特征图F，其中F＝{fi，j|i＝1，8[0069]步骤S233、将采样模块输出的特征图Fin输入到由聚合后的mid的输出维度与权重的输出维度相同；)于学习的方法自适应的调整特征强度，输出特征图Fout；每个阶段的输出维度为64，128，入损失函数计算损失，逐步调整网络参数；并使用随机梯度下降SGD优化器对模型进行优

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论