基于注意力机制和全局特征优化的点云语义分割

来源：计算机应用杂志2024年第4期北京时间：

作者：张鹏飞, 韩李涛, 冯恒健, 李洪梅

单位：1.山东科技大学 测绘与空间信息学院，山东 青岛 266590；2.山东省基础地理信息与数字化技术重点实验室，山东 青岛 266590

摘要：在基于深度学习的三维点云语义分割算法中，为了加强提取局部特征细粒度能力和学习不同局部邻域之间的长程依赖性，提出一种基于注意力机制和全局特征优化的神经网络。首先，通过加性注意力的形式设计单通道注意力（SCA）模块和点注意力（PA）模块，前者通过自适应调节单通道中各点特征加强对局部特征的分辨能力，后者通过调节单点特征向量之间的重要程度抑制无用特征并减少特征冗余；其次，加入全局特征聚合（GFA）模块，聚合各局部邻域特征，以捕获全局上下文信息，从而提高语义分割精度。实验结果表明，在点云数据集S3DIS上，所提网络的平均交并比（mIoU）相较于RandLA-Net（Random sampling and an effective Local feature Aggregator Network）提升了1.8个百分点，分割性能良好，具有较好的适应性。

关键词：三维点云,深度学习,语义分割,注意力机制,特征聚合

基金资助：国家自然科学基金资助项目(42271436);山东省自然科学基金资助项目(ZR2021MD030)