结合区域结构关系和自注意力的边卷积点云分类分割网络

来源：计算机工程与应用杂志2024年第13期北京时间：

作者：吕志玮, 杨家志, 周国清, 沈露

单位：1.桂林理工大学 信息科学与工程学院，广西 桂林 541006；2.广西嵌入式技术与智能系统重点实验室，广西 桂林 541006

摘要：针对深度学习点云网络中区域内上下文和关系特征捕获不充分问题，提出了一种新的网络框架ISEC-Net（inter-region structure relations and self-attention edge convolution network）。该网络由IrConv（inter-region convolution）模块和SaConv（self-attention convolution）模块组成，SaConv模块可以提取到更细粒的边特征，而IrConv可以动态地将局部结构信息集成到点特征中，然后自适应地捕获区域间关系。在ModelNet40数据集和ShapeNet数据集上分别对点云分类和部件分割进行了大量实验，实验结果表明，在ModelNet40数据集上，ISEC-Net模型的总体精度（OA）达到了93.5%，平均精度（mAcc）达到了90.7%；而在ShapeNet数据集上，平均并交比（mIoU）达到了86.1%，并且在单类并交比（IoU）实验中吉他、耳机、杯子等部件分割精度表现优异，说明ISEC-Net与传统的动态图卷积相比，能够精确地捕捉点云的局部特征和精细结构并加强全局特征的聚合，具有出色的有效性和泛化能力。

关键词：边卷积,区域上下文,区域关系,自注意力,深度学习