典型文献
融合注意力和多尺度表达的机载激光点云分类
文献摘要：
针对机载激光点云数据中存在空间分布不均匀和地物尺度不一的问题,提出了一种融合注意力机制和多尺度特征的机载激光点云分类深度学习方法(AMMSF-Net).该方法建立了局部空间位置注意力层学习局部邻域上下文特征,增加注意力跳连机制将解码器和编码器中的特征进行动态融合并有效保留细节信息;解码器中的多尺度特征融合通过将不同尺度的特征进行级联输入到多层感知机和条件马尔可夫层得到最后的语义概率图,实现了不同尺度与不同层级特征图之间的相关,增强不同尺度目标的表达能力.在Vaihingen数据集中AMMSF-Net取得83.8％的总体精度和70.4％平均F1分数,在DFC3D数据集取得了 95.4％总体精度和88.5％平均F1分数,对比其他模型该方法在两个数据集都取得了更好的精度,这表明AMMSF-Net能有效提高点云地物类别区分的能力.
文献关键词：
机载激光点云分类;注意力机制;注意力跳连;多尺度;PointNet++
中图分类号：
作者姓名：
黄远程;陈领;江宇;许婷
作者机构：
西安科技大学测绘科学与技术学院,西安 710054;天津市勘察设计院集团有限公司,天津 300391
文献出处：
引用格式：
[1]黄远程;陈领;江宇;许婷-.融合注意力和多尺度表达的机载激光点云分类)[J].测绘科学,2022(11):137-144,154
A类：
机载激光点云分类,激光点云分类,AMMSF,注意力跳连,DFC3D
B类：
多尺度表达,激光点云数据,分布不均匀,地物,注意力机制,深度学习方法,空间位置,位置注意力,注意力层,局部邻域,上下文特征,解码器,编码器,动态融合,细节信息,多尺度特征融合,合通,不同尺度,多层感知机,马尔可夫,概率图,层级特征,特征图,表达能力,Vaihingen,总体精度,高点,别区,PointNet++
AB值：
0.227662
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
