期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于改进PointNet++的Lidar点云分割模型 被引量:2
1
作者 张驰 王志杰 +1 位作者 吴昊 陈动 《激光与光电子学进展》 CSCD 北大核心 2024年第4期111-118,共8页
针对PointNet++在特征提取阶段未能深层挖掘Lidar点云的语义特征及其在特征聚合阶段采用最大池化聚合导致特征丢失,进而导致点云分割精度下降的问题,通过改进PointNet++的特征提取及特征聚合模块,提出一种基于特征偏差值和注意力机制的... 针对PointNet++在特征提取阶段未能深层挖掘Lidar点云的语义特征及其在特征聚合阶段采用最大池化聚合导致特征丢失,进而导致点云分割精度下降的问题,通过改进PointNet++的特征提取及特征聚合模块,提出一种基于特征偏差值和注意力机制的点云分割模型。首先,利用球形采样获取不同的局部邻域,并采用K最近邻(KNN)算法筛选邻域点,计算不同邻域的特征偏差值,获取点云的深层语义信息,增强模型对不同局部邻域的识别能力;其次,利用基于注意力机制的特征聚合模块代替PointNet++中的最大池化模块,在聚合特征阶段学习不同特征的权重,从而提高模型对不同结构信息的筛选能力,增强模型的分割性能;最后,为了进一步优化模型架构,在全连接层中加入残差模块,共享权重,避免参数冗余,提升模型性能。基于ISPRS提供的Vaihingen数据集与斯坦福的S3DIS数据集进行实验验证,实验结果表明,所提模型总体精度达到86.69%,较PointNet++提高了5.49个百分点,同时平均F1得分达到了73.97%,较PointNet++提高了8.30个百分点。在S3DIS数据集上的实验结果表明,与PointNet++、RandLA-Net和ConvPoint等主流模型相比,所提模型结果较PointNet++也有提升,即相较于PointNet++的分割结果,改进后的模型能够充分提取点云的语义特征,有效提高模型分割精度。 展开更多
关键词 点云分割 PointNet++ LIDAR 特征偏差值 注意力机制 特征融合 残差结构
原文传递
Berry-Esseen bounds and Cramér type large deviations for eigenvalues of random matrices. 被引量:3
2
作者 CHEN Lei GAO FuQing WANG ShaoChen 《Science China Mathematics》 SCIE CSCD 2015年第9期1959-1980,共22页
We establish Berry-Esseen bounds and Cramér type large deviations for the eigenvalues of Wigner Hermitian matrices in the bulk and at the edge cases. Similar results are also obtained for covariance matrices.
关键词 random matrices EIGENVALUES Berry-Esseen bounds Cramér type large deviations
原文传递
New schemes with fractal error compensation for PDE eigenvalue computations 被引量:6
3
作者 SUN JiaChang 《Science China Mathematics》 SCIE 2014年第2期221-244,共24页
With an error compensation term in the fractal Rayleigh quotient of PDE eigen-problems,we propose a new scheme by perturbing the mass matrix Mhto Mh=Mh+Ch2mKh,where Khis the corresponding stif matrix of a 2m 1 degree ... With an error compensation term in the fractal Rayleigh quotient of PDE eigen-problems,we propose a new scheme by perturbing the mass matrix Mhto Mh=Mh+Ch2mKh,where Khis the corresponding stif matrix of a 2m 1 degree conforming finite element with mesh size h for a 2m-order self-adjoint PDE,and the constant C exists in the priority error estimationλh jλj^Ch2mλ2j.In particular,for Laplace eigenproblems over regular domains in uniform mesh,e.g.,cube,equilateral triangle and regular hexagon,etc.,we find the constant C=I h 1Mh2 hKh and show that in this case the computation accuracy can raise two orders,i.e.,fromλh jλj=O(h2)to O(h4).Some numerical tests in 2-D and 3-D are given to verify the above arguments. 展开更多
关键词 PDE eigenvalues computation generalized matrix eigen-problem discrete Rayleigh quotient
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部