检索结果-南通市图书馆

基于pointnet优化网络的铁路站台语义分割

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2024年第3期47卷 68-72页

作者：鲁子明黄世秀季铮张思仪黄翔翔合肥工业大学土木与水利工程学院安徽合肥230009 武汉大学遥感信息工程学院湖北武汉430072 安徽工程大学计算机与信息学院安徽芜湖241000

铁路站台点云语义分割是对铁路侵界现象进行检测的关键环节。文中以新型激光扫描测量系统采集的具有三维空间信息的点云数据为基础,在获取初步分割结果的基础上,设计pointnet网络整体结构提取点云数据全局特征,采用多层次金字塔结构对... 详细信息

铁路站台点云语义分割是对铁路侵界现象进行检测的关键环节。文中以新型激光扫描测量系统采集的具有三维空间信息的点云数据为基础,在获取初步分割结果的基础上,设计pointnet网络整体结构提取点云数据全局特征,采用多层次金字塔结构对网络进行局部特征提取优化,实现铁路站台点云数据语义分割。研究表明,所提方法对实验点云数据的分割准确率达到84.5%,在铁路工程应用中的点云总体分割精度达到75.34%,在铁路检测中实现了大范围多尺度点云数据的可靠语义分割,满足铁路侵界现象检测分析需求。

关键词：点云分割深度学习铁路站台铁路侵界 pointnet 金字塔结构深度神经网络语义分割

在线全文

学校读者我要写书评

暂无评论

基于语义分割的三维模型版权保护算法

华中科技大学学报（自然科学版） 2024年第2期52卷 49-54页

作者：秦姣华段振雄向旭宇谭云中南林业科技大学计算机与信息工程学院湖南长沙410004

为解决传统数字水印技术导致模型精度下降的问题,并保护局部版权,提出了一种基于语义分割的三维模型版权保护算法.首先,使用pointnet对三维模型进行语义分割,并根据分割结果将模型划分为子块,以子块为单位计算版权信息,保护局部版权;然... 详细信息

为解决传统数字水印技术导致模型精度下降的问题,并保护局部版权,提出了一种基于语义分割的三维模型版权保护算法.首先,使用pointnet对三维模型进行语义分割,并根据分割结果将模型划分为子块,以子块为单位计算版权信息,保护局部版权;然后,提出了一种基于顶点范数与表面曲率的版权信息生成算法.由于版权信息是使用无载体隐写方式生成的,因此该算法可以在不修改模型本身的情况下对模型整体及各子部件进行版权保护.实验证明:该算法在完全抵抗相似变换攻击的情况下,对其他种类攻击同样具有较好的鲁棒性.

关键词：三维模型点云模型版权保护无载体隐写 pointnet

A Modified pointnet-Based DDoS Attack Classification and Segmentation in Blockchain

在线全文

学校读者我要写书评

暂无评论

Computer Systems Science & Engineering 2023年第10期47卷 975-992页

作者： Jieren Cheng Xiulai Li Xinbing Xu Xiangyan Tang Victor S.Sheng School of Computer Science and Technology Hainan UniversityHaikou570228China School of Cyberspace Security Hainan UniversityHaikou570228China Hainan Blockchain Technology Engineering Research Center Hainan UniversityHaikou570228China Hainan Hairui Zhong Chuang Technol.Co.Ltd. Haikou570228China Department of Computer Science Texas Tech University TX 79409USA

With the rapid development of blockchain technology,the number of distributed applications continues to increase,so ensuring the security of the network has become particularly important.However,due to its decentralized,decentralized nature,blockchain networks are vulnerable to distributed denial-of-service(DDoS)attacks,which can lead to service stops,causing serious economic losses and social impacts.The research questions in this paper mainly include two aspects:first,the classification of DDoS,which refers to detecting whether blockchain nodes are suffering DDoS attacks,that is,detecting the data of nodes in parallel;The second is the problem of DDoS segmentation,that is,multiple pieces of data that appear at the same time are determined which type of DDoS attack they belong to.In order to solve these problems,this paper proposes a modified pointnet(Mpointnet)for the classification and type segmentation of DDoS attacks.A dataset containing multiple DDoS attack types was constructed using the CIC-DDoS2019 dataset,and trained,validated,and tested accordingly.The results show that the proposed DDoS attack classification method has high performance and can be used for the actual blockchain security maintenance process.The accuracy rate of classification tasks reached 99.65%,and the accuracy of type segmentation tasks reached 85.47%.Therefore,the method proposed in this paper has high application value in detecting the classification and segmentation of DDoS attacks.

关键词： Blockchain DDoS pointnet classification and segmentation

基于FPFH-pointnet的术中膝关节软骨表面点云自动提取

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

解剖学报 2023年第5期54卷 553-559页

作者：刘颜静史勇红复旦大学基础医学院数字医学研究中心上海200032 上海市医学图像处理与计算机辅助手术重点实验室上海200032

目的机器人辅助膝关节置换术导航系统采用激光扫描仪获取术中软骨点云,并与术前模型配准,实现自动非接触空间注册。术中患者膝关节病变点云包含大量的肌肉、肌腱、韧带及手术器械等无关背景点云。手动去除无关点云会因人机交互而占据手... 详细信息

目的机器人辅助膝关节置换术导航系统采用激光扫描仪获取术中软骨点云,并与术前模型配准,实现自动非接触空间注册。术中患者膝关节病变点云包含大量的肌肉、肌腱、韧带及手术器械等无关背景点云。手动去除无关点云会因人机交互而占据手术时间,因此,本研究提出一种新颖的膝关节软骨表面点云自动提取方法,以便快速精准实施术中注册。方法pointnet因缺乏软骨表面和几何局部信息的充分描述,不能高精度地提取软骨点云。本研究提出了一种结合快速点特征直方图FPFH-pointnet方法,该方法有效地描述了软骨点云表观,实现了软骨表面点云的自动高效分割。结果本研究以从不同角度扫描10例尸体膝关节标本和1例人腿模型的股骨远端软骨点云为数据集。pointnet和FPFH-pointnet分割软骨点云的准确率分别为0.94±0.003和0.98±0,平均交并比(mIOU)分别为0.83±0.015和0.93±0.005。FPFH-pointnet相比于pointnet,准确率和mIOU分别提高了4%和10%,而耗时仅约为1.37 s。结论FPFH-pointnet能够精准地自动提取术中膝关节软骨点云,满足了术中导航的性能需求。

关键词：膝关节置换术手术导航点云分割 pointnet 快速点特征直方图人

在线全文

学校读者我要写书评

暂无评论

基于pointnet的车身分割方法

武汉大学学报（工学版） 2023年第3期56卷 347-352页

作者：阮剑朱连海胡三宝武汉理工大学现代汽车零部件技术湖北省重点实验室湖北武汉430070 武汉理工大学汽车零部件技术湖北省协同创新中心湖北武汉430070 渤海造船厂集团有限公司辽宁葫芦岛125005

多视图参数化重构方法对车身拓扑优化结果进行重构时需将车身分割为多个独立部分,以达到分割后拓扑优化车身各部分可独立进行重构的目的。对以车身点云作为输入的分割方法进行研究,采用深度学习理论对pointnet网络框架进行改进,根据车... 详细信息

多视图参数化重构方法对车身拓扑优化结果进行重构时需将车身分割为多个独立部分,以达到分割后拓扑优化车身各部分可独立进行重构的目的。对以车身点云作为输入的分割方法进行研究,采用深度学习理论对pointnet网络框架进行改进,根据车身拓扑优化结果,基于多视图参数化重构方法将车身分割为多个部分并赋予标签,并使用CAD(computer aided design)制作及点云增强操作得到车身分割点云数据集,通过梯度下降算法对网络模型进行训练。最终,车身分割网络模型在车身点云测试集中的准确率为87.7%。

关键词：承载式车身几何重构点云分割深度学习 pointnet

基于pointnet的蛋白质对接模型活性预测方法研究

在线全文

学校读者我要写书评

暂无评论

基于PointNet的蛋白质对接模型活性预测方法研究

作者：张思敏吉林农业大学

学位级别：硕士

蛋白质是生物体内复杂的有机化合物,为生命活动提供物质基础。蛋白质发挥其功能的主要方式是通过与其他蛋白质结合并产生蛋白质复合物,在细胞的关键活动中蛋白质复合物起着重要作用,因此对蛋白质复合物结构进行研究具有重要意义。然而,... 详细信息

蛋白质是生物体内复杂的有机化合物,为生命活动提供物质基础。蛋白质发挥其功能的主要方式是通过与其他蛋白质结合并产生蛋白质复合物,在细胞的关键活动中蛋白质复合物起着重要作用,因此对蛋白质复合物结构进行研究具有重要意义。然而,通过生物化学实验确定蛋白质复合物结构会耗费大量的成本,因此通过计算模拟蛋白质对接的方法获得蛋白质复合物结构更具有实用性。通常,计算模拟蛋白质对接分为两个步骤:(1)通过空间搜索生成大量的蛋白质对接模型。(2)利用蛋白质对接模型活性预测方法对生成的蛋白质对接模型打分并排序,选出排名靠前的模型作为近天然蛋白质复合物结构的最终结果。筛选出的蛋白质对接模型可以为药物研发和疫苗开发提供结构基础。然而,在目前计算机模拟蛋白质对接过程中,第二步对蛋白质对接模型活性预测阶段仍然是进行精准的蛋白质对接的瓶颈。针对这一问题,本文利用pointnet——一种基于点云的深度学习方法来对蛋白质对接模型的活性进行预测,该方法直接从蛋白质的3D结构中学习几何属性和原子特征的深层表达,从而建立基于深度学习的神经网络模型。该模型构建过程分为四步:(1)蛋白质复合物3D结构预处理:首先对蛋白质对接模型3D结构的PDB文件进行预处理,包括删除PDB文件中的空原子和非原子信息、原子序号重新编码、残基序号重新编码、重新规定蛋白质复合物的链名。其次将蛋白质对接模型进行中心对齐,提取蛋白质对接模型中两个蛋白质之间10.0(?)内的所有残基与其他亚基的任何残基的组合最为对接界面。(2)对接界面进行点云格式转化:计算蛋白质对接模型界面上的氨基酸重原子的几何特征和物理化学信息。包括了原子的三维坐标、范德华半径、原子量、原子类型、原子价、原子电荷、原子链。将蛋白质对接模型的对接界面上残基的重原子作为点,将点的几何特征和物理化学信息作为特征,构建点云数据。(3)模型构建:本文在pointnet的基础上搭建了进行活性预测的深度学习模型,该活性预测模型包含了三个模块编码层(Encoding Layer)、最大池化层(Maximun Pooling Layer)和全连接层(Fully Connected Layer),该深度学习模型将蛋白质对接模型的点云数据作为输入来进行活性预测。(4)模型评估:在ZDOCK Benchmark 4.0数据集上使用五折交叉验证的方法对本文模型进行训练,并根据评估指标SR(Success Rates)值和HC(Hit Counts)值与现存的具有代表性的活性预测方法进行比较。并在独立数据集ZDOCK Benchmark 5.5和Dock Ground1.0上进行进一步的比较,来验证本文模型的有效性。综上所述,本文首先对蛋白质3D行预处理,其次对接模型点云数据格式转化,之后提出基于pointnet的深度学习模型,用于蛋白质对接模型的活性预测,并使用五折交叉验证数据集对模型进行训练,本文提出的模型取得了优秀的SR值和HC值,实验结果表明,该模型的效果优于其他对比算法。为了进一步验证模型效果,本文还在独立的数据集ZDOCK Benchmark 5.5和Dock Ground1.0上分别测试了本文的模型和对比方法的效果,结果显示,在ZDOCK Benchmark 5.5上前22名的SR高于其他算法,HC高于其他算法,在Dock Ground1.0上本文模型的SR和HC均高于其他算法。独立数据集上的实验结果也验证了本文模型的有效性和可推广性。因此本文模型在蛋白质对接模型活性预测上具有更好的预测效果,可为药物研发和疫苗开发提供物质基础。

关键词：蛋白质对接深度学习点云 pointnet

整合图卷积与pointnet的机载激光雷达点云分类

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

激光与光电子学进展 2022年第22期59卷 320-326页

作者：缪建起王宏涛田普光河南理工大学测绘与国土信息工程学院河南焦作454000

针对三维深度学习网络pointnet中缺少点局部特征描述而导致的分类精度较低的问题,提出了一种整合图卷积模型与pointnet的机载激光雷达点云分类方法。该方法首先通过最小香农熵准则确定点的最优邻域,计算出点云的浅层特征;然后将点云的... 详细信息

针对三维深度学习网络pointnet中缺少点局部特征描述而导致的分类精度较低的问题,提出了一种整合图卷积模型与pointnet的机载激光雷达点云分类方法。该方法首先通过最小香农熵准则确定点的最优邻域,计算出点云的浅层特征;然后将点云的浅层特征输入深度学习网络中,通过图卷积提取点云局部特征,并将该特征与pointnet提取的点特征、全局特征组合得到特征向量;最后,将上述特征向量输入设计的多层感知机实现点云的准确分类。利用国际摄影测量与遥感协会提供的Vaihingen点云数据集进行了验证,实验结果表明,所提方法相较于pointnet点云分类方法精度提高了9.58个百分点。

关键词：遥感机载激光雷达点云分类图卷积最优k邻域 pointnet

基于pointnet的三维点云部件分割的抗干扰研究

在线全文

学校读者我要写书评

暂无评论

绥化学院学报 2023年第8期43卷 144-147页

作者：穆莉莉单卓佳安徽理工大学机械工程学院安徽淮南232001

三维点云部件分割的训练预测模型是复杂多样的,影响分割结果的因素有很多。针对深度神经网路设置不同的参数对分割精度的影响,提出在经典点云网络模型pointnet上选择不同的激活函数与优化器进行抗干扰研究。首先将网络中数据采样数、学... 详细信息

三维点云部件分割的训练预测模型是复杂多样的,影响分割结果的因素有很多。针对深度神经网路设置不同的参数对分割精度的影响,提出在经典点云网络模型pointnet上选择不同的激活函数与优化器进行抗干扰研究。首先将网络中数据采样数、学习率、批量大小等参数确定,其次修改激活函数与优化器参数并在ShapeNet数据集上进行实验对比。实验结果表明,在pointnet网络模型中选择ReLU激活函数与SGD优化器测试精确度达到88.39%。

关键词：点云部件分割 pointnet 深度神经网络

基于pointnet和迁移学习的苹果表型参数估算研究

在线全文

学校读者我要写书评

暂无评论

南京农业大学学报 2021年第6期44卷 1209-1216页

作者：陈龙王浩云季呈明孙云晓徐焕良南京农业大学人工智能学院江苏南京210095

[目的]为快速、准确、无损检测苹果的外部表型参数,提出了一种基于pointnet和迁移学习的苹果表型参数估算算法。[方法]通过Kinect相机从任意角度拍摄苹果并使用直通滤波法去除背景环境数据得到只包含苹果信息的点云数据。在此基础上使... 详细信息

[目的]为快速、准确、无损检测苹果的外部表型参数,提出了一种基于pointnet和迁移学习的苹果表型参数估算算法。[方法]通过Kinect相机从任意角度拍摄苹果并使用直通滤波法去除背景环境数据得到只包含苹果信息的点云数据。在此基础上使用最远点采样法,获取标准输入点云,然后采用椭球曲面方程构建苹果几何模型,生成基于椭圆方程的苹果几何模型库。使用pointnet算法训练仿真模型数据,然后通过迁移学习迁移到实测数据上去,在训练好的模型上进行微调;再经过5-折交叉验证,判定模型的鲁棒性和泛化能力,得到最终的估算模型。[结果]以均方根误差(RMSE)和决定系数(R2)评价模型结果,实测250个苹果3个角度点云共750组数据,在任意一个角度拍摄的残缺率达到50%的点云数据的条件下,该模型对苹果的直径、高度、体积3组表型参数的RMSE分别为2.247、2.275和22.780,R2分别为0.919、0.841和0.927。[结论]该算法回归效果优于传统算法,在任意角度拍摄到的残缺率达到50%的点云数据的条件下仍能很好完成外部表型参数估算。

关键词： pointnet 迁移学习苹果表型参数点云