【摘 要】
：
在三维点云数据特征提取过程中，点云数据本身的稀疏性和不规则性会影响输入数据的全局特征表示，且现有方法未考虑不同特征通道的重要性差异，不利于点云特征的全局优化。提出一种基于多分组表征和注意力机制的MANet网络进行三维点云特征描述。首先，为获得完整的点云特征信息，将点云数据输入多分组表征模块获得初始点云特征。然后，为学习点云不同通道的重要性，引入新的通道注意力机制强调对特征表示重要的通道，抑制不重要
论文部分内容阅读
在三维点云数据特征提取过程中，点云数据本身的稀疏性和不规则性会影响输入数据的全局特征表示，且现有方法未考虑不同特征通道的重要性差异，不利于点云特征的全局优化。提出一种基于多分组表征和注意力机制的MANet网络进行三维点云特征描述。首先，为获得完整的点云特征信息，将点云数据输入多分组表征模块获得初始点云特征。然后，为学习点云不同通道的重要性，引入新的通道注意力机制强调对特征表示重要的通道，抑制不重要的通道，进一步优化特征表示。最后，将优化后的特征输入点云分类网络。实验结果表明，多分组表征可以感知局部信
其他文献
揭示土壤水分含量变化对植物养分吸收的影响,对阐明草本植被对环境变化的响应和适应性具有重要意义,可为黄土高原区生态治理提供理论依据。研究以安塞纸坊沟流域不同退耕还草年限(6 a,15 a,25 a和45 a)的草本植物和0—50 cm深度土壤样品为研究对象,测定了植物地上部C,N,P,K,Ca和Mg含量及土壤含水率,并分析了植物养分含量及其生态化学计量与土壤含水率的关系。结果表明:土壤含水率随退耕还
土壤氮大部分为有机氮，大分子类有机氮-蛋白质转化成可溶性氨基酸态氮是土壤氮循环的关键过程和土壤氮素有效性的主要限制因子，其中氨基酸态氮消耗速率在研究土壤肥力、生物机制等方面有着重要的指示作用。本研究建立了一种蒸馏结合化学转化N_(2)O产生法的氨基酸态氮稳定同位素丰度测定前处理方法，并结合气体预浓缩装置与稳定同位素质谱仪（PreCon-IRMS）联用系统，分析了不同浓度和~(15)N丰度的氨基酸标
本文结合基于全卷积神经网络的语义分割与基于水平集的图像分割方法,使用DeepLab V2与Distance Regularized Level Set Evolution(DRLSE)模型对一般彩色图像进行分割.通过在DRLSE模型中加入一个新形状能量项,该方法提高了零水平集的演化速度.数值模拟结果验证了方法的有效性.
人体实例分割是以人为中心的场景理解和识别的核心问题。然而人体实例体型的差异性、人们之间的互动等导致了空间关系的复杂性，给分割任务带来了极大的挑战。目前主流的实例分割方法大都严重依赖于物体的边界框检测，因此通常无法很好的将两个高度重合的对象分开。本文利用已经具有完备数据标注的人体骨骼特征为人体实例分割任务提供先验知识，提出了一种双流的网络结构用来分别提取骨骼特征和图片上下文特征。接着，特征融合模块(
随着人民生活水平的提高和红酒文化的发展，建立一个高效的自动化酒标图像检索系统变得越来越重要。然而，实际的酒标图像数据集普遍存在着类别样本量的不均衡、许多类样本量偏少的现象，使得基于深度学习的酒标图像检索模型难以进行有效的训练和参数学习。因此，对酒标图像进行数据增强操作就变得更为必要和迫切。为了解决这个问题，本文提出了一个专门针对于酒标图像数据进行变换和扩展的数据增强算法。它将酒标以立体的形式展示在
针对弱光环境下采集到的图像存在的欠曝光问题，提出了一种基于光照补偿的HSV空间多尺度Retinex图像增强算法。该算法首先在HSV空间下将原始亮度分量同等代换为本征突出层和照明补偿层；然后采用改进的双边核函数(Improved bilateral kernel function,IBKF)处理本征突出层，并根据多尺度Retinex得到反射层；接着通过麻雀搜索优化双边伽马函数来处理照明补偿层，同时在
针对YOLOv4在焊缝X射线探伤缺陷图中检测精度与召回率低的问题，设计了YOLOv4-cs算法。该算法改进了YOLOv4的卷积方式，减少大量模型训练参数，其次通过去除下采样，及在52×52的特征层中融合第二个残差块得到的特征图的方式提高模型检测精确率，与此同时利用k-means对数据集重新聚类，修改YOLOv4模型的先验框。实验结果表明，YOLOv4-cs在识别铝合金焊接接头X射线三种缺陷的召回率
聚乙烯（Polyethylene,PE）燃气管道的电熔焊接状况可通过相控阵系统拍摄的超声波图像获得，但是否存在焊接缺陷目前都是由专业人员人工识别每张图片中的特征线、电阻丝、底面回波线等与缺陷相关的信息，进而确定缺陷类别和等级，这种方法费时、费力且容易发生漏检和错检现象。本文针对PE管道电熔焊接缺陷的识别问题提出了一种基于图像处理技术的焊接缺陷自动识别方法，同时判断超声图像中存在缺陷的类别和等级。该
为探明利用机器学习方法对表层土壤氢氧稳定同位素组成（δ~(2)H和δ~(18)O）进行空间模拟的可行性，揭示δ~(2)H和δ~(18)O在岷江上游流域的大尺度分布变化规律，在该区域共采集183个0～10 cm土层样本进行氢氧稳定同位素分析。通过变量筛选后，分别采用反向传播（BP）神经网络、随机森林（RF）和支持向量机（SVM）建立研究区浅层土壤δ~(2)H和δ~(18)O的模型并进行精度评价，通过
本文提出融合深度图像先验的全变差（total variation，TV）图像着色模型，在即插即用（plug-and-play，PnP）框架下，结合交替方向乘子法（alternating direction method of multipliers，ADMM），设计出相应的数值求解算法，并给出该算法的收敛性结果。数值实验结果表明：该模型能有效整合耦合TV边缘捕获和卷积神经网络（convolutio