級聯(lián)邊緣卷積與注意力機(jī)制的點云分類分割研究

摘要： 近幾年點云的分類分割研究多采用多層次架構(gòu)提取點云特征的方法，提取到較為穩(wěn)定的高層語義特征，但是全局特征和鄰域特征提取不足并且缺乏對上下文信息的特征融合。因此，提出一種新的LAM-EdgeCNN網(wǎng)絡(luò)，采用邊緣卷積與注意力機(jī)制級聯(lián)的方式對點云進(jìn)行多層級特征提取，獲取高層次特征信息。為了加強對特定通道特征和關(guān)鍵空間點的捕捉，提出一種輕量型LAM注意力機(jī)制，使用CAM特征通道注意力獲取... （共11頁）