一种内存消耗更少的高性能点云特征提取模型  

作　　者：陈奔 谢晓尧[1] 刘嵩[1] CHEN Ben;XIE Xiaoyao;LIU Song

机构地区：[1]贵州师范大学,贵州贵阳550000

出　　处：《信息技术与信息化》2023年第1期115-118,共4页Information Technology and Informatization

摘　　要：目前主流的基于逐点特征提取的深度学习网络模型在获取点云局部精细几何结构信息的能力上还存在一定不足。同时注意力机制被引入到了点云处理领域以求取得更高的分类分割精度,但随之而来的却是模型训练内存消耗的激增以及训练效率的下降。基于此,开发了一种新的深度学习网络(point position attention network,PointPAN)。通过逐点自注意力的方式引入注意力机制以及重新设计位置信息聚合算子解决上述问题。PointPAN的模型训练内存消耗量仅为其他引入注意力机制的深度学习网络模型的不到一半,同时最终模型在分类分割精度等性能指标上基本一致甚至略高。

关 键 词：点云分类 点云分割 特征提取 自注意力 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TP18[自动化与计算机技术—计算机科学与技术]