计算机工程与科学

作者：刘玉珍, 张冬霞, 陶志勇

单位：（辽宁工程技术大学电子与信息工程学院，辽宁 葫芦岛 125105）

关键词：adaptive graph convolution,attention pooling,energy function,max pooling,

基金：辽宁省教育厅科学技术研究项目(LJ2019JL022)；辽宁省科技厅应用基础研究项目(2022JH2/101300274)

针对现有点云分类与分割方法使用最大池化聚合局部邻域特征，导致最大值以外的重要信息丢失的缺陷，提出一种结合自适应图卷积AdaptConv和注意力池化AP的点云分类与分割网络。首先，采用K近邻算法构建点云局部图结构，根据点的特征生成自适应卷积核，灵活精确地捕获点云的局部邻域特征；其次，为有效提高特征聚合能力，采用注意力池化定义能量函数得到权重值，加权并聚合出更具代表性的点云局部特征；最后，堆叠自适应图卷积和注意力池化逐层提取全局特征，提高网络的分类和分割精度。实验结果表明，相较基准方法，点云分类的平均类别精度提升0.9%，部件分割和语义分割的平均交并比分别提升0.8%和0.3%，证明所提方法可有效提升点云分类与分割的准确率，具有较高的鲁棒性。

来源：2024年第5期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第5期