多尺度特征融合对比学习结合PointMetaBase的点云分割

作     者：杨林杰 张斌 张志圣 YANG Linjie;ZHANG Bin;ZHANG Zhisheng

作者机构：桂林电子科技大学电子工程与自动化学院广西桂林541004 

出 版 物：《现代电子技术》 (Modern Electronics Technique)

年 卷 期：2024年第47卷第15期

页      面：91-97页

学科分类：0810[工学-信息与通信工程] 08[工学] 080203[工学-机械设计及理论] 081001[工学-通信与信息系统] 0802[工学-机械工程] 

基　　金：国家自然科学基金地区基金(62361013) 广西科技重大专项(桂科AA23023017) 

主　　题：深度学习 三维点云 语义分割 对比学习 多尺度特征融合 编码器 解码器 

摘      要：点云场景边界的精确分割对提升三维点云整体分割精度和小目标的分割精度都非常重要。针对现有三维点云语义分割算法中存在的对点云场景边界分割不准确的问题,设计了一种新的多尺度特征融合对比学习方法,并将其集成到PointMetaBase网络上,提出了MFFCL-PMB三维点云语义分割网络。该网络将解码器各层的输入和输出平行多路径地输入多尺度特征提取网络,其次将多尺度特征进行拼接融合,最后由边界搜索模块确定点云场景边界点,在边界点对应的多尺度融合特征上进行对比学习,使网络学习到使特征区分度更大的权重。MFFCL-PMB在数据集S3DIS的测试集区域5上的mIoU为70.9%,相比原始的PointMetaBase,在边界上的mIoU增加了1.4%,内部区域mIoU增加了1.2%,总体mIoU增加了1.2%,边界mIoU增量比内部区域增加的mIoU更大,说明MFFCL-PMB有效增强了PointMetaBase在边界上的分割表现并提高了网络在点云总体上的语义分割性能。