您当前的位置：
首页 >
文章列表页 >
结合双注意力和加权动态图卷积的三维点云分类与分割
信息科学 | 更新时间：2026-09-11
上一篇|下一篇

    • 结合双注意力和加权动态图卷积的三维点云分类与分割

    • 3D point cloud classification and segmentation based on dual attention and weighted dynamic graph convolution

    • “针对基于深度学习的点云分类分割网络在局部上下文信息提取和近邻点特征表达上的不足，以及最大池化容易丢失次优信息的问题，提出结合双注意力和加权动态图卷积网络的点云分类分割算法，介绍了其在三维视觉领域的研究进展，该团队建立了双注意力与加权动态图卷积结合的点云分析体系，为解决点云局部特征提取与次优信息保留问题提供解决方案。”
    • 肖剑 ，王晓红 ，李炜 ，杨祎斐 ，罗季
    • 光学精密工程 2024年32卷第18期 页码：2823-2835

    • DOI： 10.37188/OPE.20243218.2823     

      中图分类号：

    • 修回：2024-04-02 ，

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 13 ) 表( 7 )

  • 参考文献

  • 出版信息

  • 数据统计

695

浏览量

1678

下载量

1

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

夜间低光照场景下基于多尺度特征融合的密集行人检测算法
Sat-YOLO：面向空间卫星的目标检测器
融合动态感知与渐进细化的水下图像增强网络
融合深度特征一致性与注意力网络的点云配准方法
关系建模和频谱变换的跨模态行人重识别方法

相关作者

马晞茗
李宁
年伦
吴迪
于祥跃
李峥
王瑶
贾国瑜

相关机构

中国科学院 长春光学精密机械与物理研究所 光电对抗部
中国科学院 西安光学精密机械研究所
中国科学院大学
中国石油大学（华东）青岛软件学院、计算机科学与技术学院， 山东省智能油气工业软件重点实验室
西安财经大学 信息学院