-
公开(公告)号:CN115049786B
公开(公告)日:2023-07-18
申请号:CN202210689275.5
申请日:2022-06-17
申请人: 北京交通大学
IPC分类号: G06T17/00 , G06V10/46 , G06V10/764 , G06V10/82 , G06N3/0499 , G06N3/084
摘要: 本发明提供任务导向的点云数据下采样方法及系统,属于点云数据处理技术领域,对变换器网络中资源密集型的结构进行调整,去除位置嵌入、简化输入数据嵌入层结构,删除自注意力机制的映射矩阵操作,在前馈神经网络层引入扩缩策略;基于采样损失函数,扩大下采样点云的覆盖范围和重点区域的关注能力,促进生成点云为原始点云的真子集;将下采样模块与任务网络相结合,利用采样损失和任务损失共同更新下采样网络的权重参数。本发明降低了对计算和存储资源的消耗;设计采样损失函数,促使获得点云分布更加均匀、关键点覆盖更加全面的真子集点云数据;将通用下采样模块与三维分类任务网络相结合,实现任务网络的性能最优化和资源开销最小化的有效权衡。
-
公开(公告)号:CN115049786A
公开(公告)日:2022-09-13
申请号:CN202210689275.5
申请日:2022-06-17
申请人: 北京交通大学
摘要: 本发明提供任务导向的点云数据下采样方法及系统,属于点云数据处理技术领域,对变换器网络中资源密集型的结构进行调整,去除位置嵌入、简化输入数据嵌入层结构,删除自注意力机制的映射矩阵操作,在前馈神经网络层引入扩缩策略;基于采样损失函数,扩大下采样点云的覆盖范围和重点区域的关注能力,促进生成点云为原始点云的真子集;将下采样模块与任务网络相结合,利用采样损失和任务损失共同更新下采样网络的权重参数。本发明降低了对计算和存储资源的消耗;设计采样损失函数,促使获得点云分布更加均匀、关键点覆盖更加全面的真子集点云数据;将通用下采样模块与三维分类任务网络相结合,实现任务网络的性能最优化和资源开销最小化的有效权衡。
-