3D-BSNet:双边特征和相似度量的点云实例分割网络
3D-BSNet:bilateral features-similarity measure network for 3D instance segmentation作者机构:东北石油大学计算机与信息技术学院黑龙江大庆163318 东北石油大学地球科学学院黑龙江大庆163318
出 版 物:《计算机应用研究》 (Application Research of Computers)
年 卷 期:2023年第40卷第8期
页 面:2514-2519页
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:黑龙江省自然科学基金资助项目(LH2021F004) 黑龙江省哲学社会科学基金资助项目(22EDE389) 黑龙江省高等学校教改工程项目(SJGZ20200037) 东北石油大学研究生教育创新工程项目(JYCX_11_2020) 东北石油大学引导性创新基金资助项目(2020YDL-11) 黑龙江省省属本科高校基本科研业务费资助项目(KYCXTD201903) 黑龙江省教育科学规划重点课题资助项目(GJB1421113)
主 题:点云实例分割 双边特征学习 双边注意力机制 轻量级相似度量
摘 要:针对现有的三维分割方法在挖掘点云特征时,会忽略几何特征有效利用的问题,提出双边特征和相似度量的点云实例分割网络3D-BSNet(3D-bilateral feature and similarity measure network)。该网络主要由双边特征学习和轻量级相似度量两部分组成。首先提出一种包含基于子流形稀疏卷积的3D-UNet和多层感知机的双边特征提取模块,用于提取经过体素化处理的点云数据的语义特征和几何特征;然后设计一种结合通道维度和空间维度的双边注意力机制,用于减少双边特征聚合过程中产生的信息损失;最后开发一种轻量级相似度量模块,获取高维嵌入特征空间中邻近点云之间的相似性,并生成细粒度实例分割结果。实验表明,3D-BSNet在S3DIS和Scannet(v2)数据集上的多指标综合表现优越,其中在Scannet(v2)上的平均精确率比SSTNet提高了3.3%,有效提高了室内场景三维实例分割的精度。