5月25日，記者從山西大學(xué)獲悉，該校智能信息處理研究所團(tuán)隊(duì)用圖調(diào)控網(wǎng)絡(luò)實(shí)現(xiàn)高性能點(diǎn)云分割，相關(guān)成果發(fā)表在人工智能領(lǐng)域國(guó)際期刊《IEEE模式分析與機(jī)器智能匯刊》。
點(diǎn)云數(shù)據(jù)分析廣泛應(yīng)用于自動(dòng)駕駛、三維理解和機(jī)器人等領(lǐng)域。點(diǎn)云分割是點(diǎn)云數(shù)據(jù)分析領(lǐng)域中基本且具有挑戰(zhàn)性的任務(wù)，旨在根據(jù)不同屬性與功能將目標(biāo)點(diǎn)云劃分成不同區(qū)域。
“實(shí)現(xiàn)高性能點(diǎn)云分割，關(guān)鍵在于提取具有判別性的逐點(diǎn)特征。”山西大學(xué)智能信息處理研究所團(tuán)隊(duì)成員介紹，在點(diǎn)云不同分割區(qū)域邊界處，鄰域節(jié)點(diǎn)往往存在較強(qiáng)異質(zhì)性。此前的方法在實(shí)現(xiàn)特征聚合過程中忽略了節(jié)點(diǎn)之間同質(zhì)與異質(zhì)關(guān)系。這使得節(jié)點(diǎn)特征混入不必要的異質(zhì)節(jié)點(diǎn)信息，導(dǎo)致點(diǎn)云分割邊界模糊。
針對(duì)上述問題，研究團(tuán)隊(duì)提出了一種圖調(diào)控網(wǎng)絡(luò)，將點(diǎn)云建模為同質(zhì)—異質(zhì)圖。他們結(jié)合圖注意力模型，設(shè)計(jì)了基于同質(zhì)性指導(dǎo)的圖注意力卷積，挖掘局部鄰域內(nèi)同質(zhì)性特征。研究團(tuán)隊(duì)還進(jìn)一步設(shè)計(jì)了原型特征提取模塊，從全局范圍原型空間中進(jìn)一步挖掘同質(zhì)性特征，提高節(jié)點(diǎn)特征判別性，進(jìn)一步提升點(diǎn)云分割性能。
據(jù)悉，研究成果進(jìn)一步增強(qiáng)了節(jié)點(diǎn)特征的判別性，提高了點(diǎn)云分割邊界清晰度。
（記者韓榮）
（責(zé)任編輯：梁艷）
晉公網(wǎng)安備 14090202000008號(hào) 
