【摘 要】
：
点云是三维场景理解的首选数据表现形式,点云的语义分割和实例分割可以将物体分别在类别层面和个体层面加以区分。近年来基于深度学习的方法取得了比传统分割更优秀的效果,但仍存在一定的不足:（1）点云在存储上是无序且离散的,缺少对点与点之间关系的显式表达,这限制了模型对点云局部几何关系的学习;（2）语义与实例分割在结果上存在一定的关联性,为二者的相互促进提供了可能,而这一点往往遭到忽视。对场景理解领域的点云
论文部分内容阅读
点云是三维场景理解的首选数据表现形式,点云的语义分割和实例分割可以将物体分别在类别层面和个体层面加以区分。近年来基于深度学习的方法取得了比传统分割更优秀的效果,但仍存在一定的不足:（1）点云在存储上是无序且离散的,缺少对点与点之间关系的显式表达,这限制了模型对点云局部几何关系的学习;（2）语义与实例分割在结果上存在一定的关联性,为二者的相互促进提供了可能,而这一点往往遭到忽视。对场景理解领域的点云分割问题进行探究,设计了一个基于边缘卷积和条件随机场的点云语义与实例联合分割方法。先构建多任务特征提取网络来同时提取点云的语义及实例特征,在此过程中使用最近邻算法动态构建点云的局部几何关系图,并应用边缘卷积在图上完成特征的聚合以提升特征的信息含量,最后将语义和实例特征融合使二者互相促进;此后在初步的语义和实例聚类结果上构建多值的条件随机场,通过平均场变分推理近似求解随机场势能函数的最小值,从而完成结果的联合优化。在S3DIS数据集上的实验结果表明,若对获得的特征直接聚类,语义分割的整体准确率为85.6%,实例分割的平均精度为52.5%,高于大部分直接逐点提取特征的算法;经过结果的联合优化,语义分割的整体准确率为86.3%,比优化前提升了0.7%,实例分割的平均精度为55.2%,比优化前提升了2.7%。综上所述,利用边缘卷积和特征融合可以提升特征的信息丰富度,利用条件随机场可以让语义和实例分割结果相互促进,二者均能改善点云分割的效果。
其他文献
红外小目标检测是指对红外热成像技术获得的包含目标和背景的图像进行目标检测,它被广泛应用于许多现实场景中。传统的红外小目标检测模型大都基于各种假设,难以应对复杂多变的现实环境。近年来,深度学习模型在图像语义分割领域的表现远超传统模型。但是,将现有深度学习模型应用于红外小目标检测问题存在感知域受限、深层网络中目标细节缺失、单一尺度测量和特征不匹配的问题。针对上述问题,提出了一种基于上下文金字塔和特征融
在大数据环境下,数据库管理系统是数据密集型应用中不可或缺的一部分,数据库管理系统收集、存储、处理和分析海量数据的能力对商业和科技领域的决策支持和知识挖掘至关重要。现代数据库管理系统的参数众多,并控制着数据库的运行时行为。如何高效地自动优化参数配置成为当前数据库领域研究的一个热点。基于高斯过程的贝叶斯优化和深度强化学习是目前常用的数据库自动调参方法,前者在高维异构空间的参数调优性能不佳,且无法利用历
近年来,人脸识别算法的发展已经进入了相对成熟的阶段,并在智能安防、支付安全、刑侦追踪等领域得到了广泛应用。随着新型冠状病毒的肆虐,佩戴口罩出行已成为多数人的日常生活习惯,于是戴口罩人脸识别成为了现今的热门研究课题。戴口罩人脸识别研究的难点一方面来自口罩区域的遮挡导致的图像级面部信息完整性被破坏,模型提取到的有效特征减少,以及口罩遮挡带来的图像噪声的影响;另一方面,相较于未被遮挡的人脸图片,戴口罩人
近年来,深度人脸合成（Deep Fake）技术高速发展,假脸种类日益增多,合成水平也明显提高,为人脸伪造检测领域带来了挑战。目前,已有的人脸伪造检测算法存在泛化性不足的问题。虽然学术界已经产出了很多专注于提高泛化性的检测算法,但是大多数方法存在所提取的检测特征与训练样本所关联的合成方法类型强相关的问题。针对上述问题,基于无监督学习的异常检测思想,对大量真脸样本进行充分学习并重构,通过计算重构误差距
随着计算机硬件性能的提升,三维建模技术被广泛应用于工业制造、虚拟现实以及游戏娱乐等方面。在各种三维建模技术中,最常用的一种建模方式是利用图像进行全自动三维建模,但是这类方法生成的三角网格模型网格质量低、视觉效果差,需要对模型进行优化以提高网格质量、增强视觉效果。因此,如何在优化过程中提高模型的视觉效果成为了网格优化方向的一个亟须解决的问题。为了增强模型的视觉效果,提出了基于特征的三角网格优化方法,
Gremlin是一种函数式、面向数据流的图数据库查询语言,便于使用者编写复杂的查询任务,但Gremlin不能利用自身的数据流特性,导致无法充分使用计算系统的多核资源。数据流编程模型通过数据流分析、任务划分与调度来实现流程序的并行加速,使Gremlin与数据流编程模型结合可以利用Gremlin的并行性。但由于Gremlin特有的动态流特征和算子逻辑,现有的数据流编程模型无法充分利用Gremlin的数
＜正＞ 陈某,女,25岁。于1993年5月25日初诊。患者1年前人工流产后,每至行经必咽喉肿痛,干涩不适,历7～8d经净渐愈,经多方医治无效。近2月来病情加重,不但经期咽喉肿痛较重,而且平时亦干涩不舒,痛苦不堪。 刻诊,月经来潮2d,咽部干涩肿痛,饮食难
随着人脸识别技术的广泛应用,针对人脸识别系统的攻击层出不穷,为了抵抗这些活体攻击方式,人脸活体检测应运而生。在训练数据域和测试数据域的分布一致时,主流的活体检测方法表现良好,但在面对跨数据域测试和未知攻击时,因为域泛化能力差,模型表现大打折扣。针对现有域泛化方法提取出的活体特征包含干扰信息过多的问题,提出了基于解耦表征学习的人脸活体检测算法。通过特征解耦方法将图像特征分离为活体特征和内容特征,设计
社团是网络中普遍存在的一种结构,通常由具有相同角色或者相似属性的成员组成,往往能反映网络中存在的某种局部特征和功能,社团检测也就成为网络分析的一项基础而重要的任务。随着信息的爆炸式增长,许多网络规模急速膨胀而出现数据过载现象,同时这些网络往往时刻处于动态变化中,而图流是一种能有效处理网络数据过载和快速动态变化的技术手段。但基于图流的局部社团检测是一个新的研究课题,相关研究还处于起步阶段。形式化地定
当前,基于视觉的目标检测研究领域,一些常用的神经网络模型在数据集优良前提下,大多能获得比较高的检测精度,但应用于低光照数据集时,模型的检测效果却往往不能尽如人意。尽管学界也开展了相关研究,但由于现阶段已有的低光照目标检测模型普遍对原始图像的利用率较低,这一问题暂时还未得到较好解决。论文提出并设计实现了一种基于特征融合的低光照目标检测模型,可有效提升对原始图像的利用率,针对低光照目标不仅能获得较好的