基于对比学习和标签挖掘的点云分割

卜一凡; 黄华

0
0
浏览
下载

摘要
关键词
基金信息
论文图表
动态公开评议
相关论文
评论

基于对比学习和标签挖掘的点云分割

首发时间：2023-03-09

卜一凡 ¹
卜一凡（1998-），女，硕士研究生，主要从事点云分割方面的研究
黄华 ²
黄华（1977-），男，副教授，硕导，主要从事计算机视觉、机器学习等方面的研究

1、北京交通大学计算机与信息技术学院，北京 100044
2、北京交通大学交通数据分析与挖掘北京市重点实验室, 北京 100044

摘要：基于深度学习的点云分割算法通过设计复杂的特征提取模块，可以对高维空间点云进行有效的分割。但由于缺乏对边界点集的特征挖掘，使得其对边界分割的精度欠佳。已有将对比学习思想用于点云分割以解决边界区域分割性能不足问题的研究中，未能充分利用点云无序和稀疏特性，特征提取不够准确。对此，本文设计了基于对比学习和标签挖掘的点云分割模型CL2M(Contrastive Learning Label Mining)，通过自注意力机制学习不同位置处点云更为精准的特征，并引入对比学习方法，提高了点云边界处的分割精度。在对比边界学习过程中通过深入挖掘语义空间中的标签并设计了基于标签分布的对比边界学习模块，使得高维空间点云标签分布包含更多的语义信息。CL2M充分利用标签的分布规律计算分布间的距离，可准确划分正负样本，减少了常规硬划分带来的累计错误。在2个公开数据集上进行的实验结果表明，CL2M在多个评价指标上优于既有的点云分割模型，验证了模型的有效性。

关键词：计算机视觉点云分割对比学习自注意力机制边界挖掘

For information in English, please click here

Point Cloud Segmentation based on Contrastive Learning and Label Mining

BU Yifan ^{1
2}
卜一凡（1998-），女，硕士研究生，主要从事点云分割方面的研究
HUANG Hua ^{1
2
3}
黄华（1977-），男，副教授，硕导，主要从事计算机视觉、机器学习等方面的研究

1、Computer and Information Technology School, Beijing Jiaotong University, Beijing 100044
2、Key Laboratory of Traffic Data Analysis and Mining, Beijing Jiaotong University, Beijing 100044
3、Key Laboratory of Beijing for Railway Engineering, Beijing Jiaotong University, Beijing 100044

Abstract：Point cloud segmentation algorithm based on deep learning can effectively segment point clouds in high-dimensional space by designing complex feature extraction modules. However, due to the lack of feature mining of boundary point set, the precision of boundary segmentation do not get good precision. Some studies have applied the idea of contrastive learning to point cloud segmentation to solve the problem of insufficient boundary region segmentation performance, but the disorder and sparse characteristics of point cloud have not been fully utilized, and the feature extraction is not accurate enough. Tosolvetheseproblems, CL2M is designed in this paper to learn more accurate features of point clouds at different locations through the self-attention mechanism, and the contrastive learning method is introduced to improve the segmentation accuracy of point cloud boundaries. In the process of contrastive boundary learning, labels in semantic space are deeply mined and a contrastive boundary learning module based on label distribution is designed to make the label distribution of point cloud in high-dimensional space contain more semantic information. The model makes full use of the label distribution law to calculate the distance between distributions, and can accurately divide positive and negative samples, reducing the cumulative errors caused by conventional hard partition.The experimental results on two public data sets show that CL2M is superior to the existing point cloud segmentation model on several evaluation indexes, which verifies the effectiveness of the model.

Keywords： Computer vision Point cloud segmentation Contrastive learning Self-attention Boundary mining

基金：

论文图表：

引用

导出参考文献

.txt

.ris

.doc

卜一凡，黄华. 基于对比学习和标签挖掘的点云分割[EB/OL]. 北京：中国科技论文在线 [2023-03-09]. http://www.yfrlel.com/releasepaper/content/202303-97.

No.****

动态公开评议

共计0人参与

动态评论进行中

全部评论

0/1000

论文编号	202303-97
论文题目	基于对比学习和标签挖掘的点云分割
文献类型
收录期刊	上传封面中文期刊英文期刊期刊名称（中文）期刊名称（英文）年，卷（）上传封面中文专著英文专著书名（中文）书名（英文）出版地出版社出版年上传封面中文译著英文译著书名（中文）书名（英文）出版地出版社出版年上传封面中文论文集英文论文集编者.论文集名称（中文） [c]. 出版地出版社出版年， - 编者.论文集名称（英文） [c]. 出版地出版社出版年，- 上传封面中文文献英文文献期刊名称（中文）期刊名称（英文）日期-- 在线地址http:// 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期-- 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期--
英文作者写法：中外文作者均姓前名后，姓大写，名的第一个字母大写，姓全称写出，名可只写第一个字母，其后不加实心圆点“.”, 作者之间用逗号“，”分隔，最后为实心圆点“.”, 示例1：原姓名写法：Albert Einstein,编入参考文献时写法：Einstein A. 示例2：原姓名写法：李时珍；编入参考文献时写法：LI S Z. 示例3：YELLAND R L,JONES S C,EASTON K S,et al.