集多头点注意力与边卷积的点云分类分割模型.pdfVIP

第37卷第3期计算机辅助设计与图形学学报Vol.37No.3

2025年3月JournalofComputer-AidedDesignComputerGraphicsMar.2025

集多头点注意力与边卷积的点云分类分割模型

1,2)1)*1)1,2)

熊伟,娄政浩,徐敏夫,袁和金

1)(华北电力大学计算机系保定071000)

2)(河北省能源电力知识计算重点实验室保定071000)

(louzh@ncepu.edu.cn)

摘要:针对动态图卷积模型只在局部尺度上独立提取点特征,未将局部点互相关联的问题,提出了一种集多头点

注意力与边卷积的点云分类和分割模型.首先,设计单头点注意力模块分别计算点云的注意力特征与邻域注意力特

征,学习点云的旋转不变性,使用多头机制将单头点注意力模块进行聚合,构建多头点注意力模块,赋予邻域内不同

点相应的注意力系数;其次,设计加权金字塔池化模块进行特征融合,获得更加丰富的特征信息;最后,提出结合交

叉熵损失和焦点损失的联合损失函数,解决数据集中存在的难分类样本和类别不平衡问题.在ModelNet40数据集和

ShapeNet数据集上分别进行了点云分类与分割实验,在ModelNet40数据集上,所提模型的总体精度提升到了94.1%;

在ShapeNet数据集上的平均交并比提升到了86.3%,有效地提升了模型的分类和分割性能.

关键词:点云数据;分类与分割;多头点注意力;边卷积;特征融合;损失函数

中图法分类号:TP391.41DOI:10.3724/SP.J.1089.2023-00126

EdgeConvolutionwithMulti-HeadPointAttentionforPointCloudClassification

andSegmentation

XiongWei1,2),LouZhenghao1)*,XuMinfu1),andYuanHejin1,2)

1)(DepartmentofComputer,NorthChinaElectricPowerUniversity,Baoding071000)

2)(HebeiKeyLaboratoryofKnowledgeComputingforEnergyPower,Baoding071000)

Abstract:ApointcloudclassificationandsegmentationmodelMHPAEC,whichcombinesmulti-headpoint

attentionandedgeconvolution,isproposedtoaddresstheproblemofDGCNNonlyextractingpointfeatures

independentlyatlocalscaleswithoutcorrelatinglocalpoints.Firstly,designasingle-headpointattention

moduletocalculatetheattentionfeature