검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

GECNN for Weakly Supervised Semantic Segmentation of 3D Point Clouds 3D 포인트 클라우드의 약하게 감독된 의미론적 분할을 위한 GECNN

Zifen HE, Shouye ZHU, Ying HUANG, Yinhui ZHANG

  • 조회수

    0

  • 이것을 인용

요약 :

이 논문은 레이블이 있는 3% 및 1% 포인트 클라우드에 대한 새로운 그래프와 GECNN(Edge Convolutional Neural Network)을 사용하여 10D 포인트 클라우드의 약하게 감독된 의미론적 분할을 위한 새로운 방법을 제시합니다. 우리의 일반 프레임워크는 병렬 그래프와 에지 집계 체계를 통해 전역 및 로컬 규모 기능을 모두 인코딩하여 의미론적 분할을 용이하게 합니다. 보다 구체적으로, 포인트 클라우드의 전역 규모 그래프 구조 큐는 그래프 컨벌루션 신경망에 의해 캡처되며, 이는 d-차원 특징 삽입 공간. 우리는 3D 포인트 클라우드의 전역 및 로컬 큐를 모두 융합할 수 있는 동적 에지 기능 집계 컨볼루션 신경망에서 파생된 로컬 규모 기능을 통합합니다. 제안된 GECNN 모델은 부분적으로 레이블이 지정된 지점을 기반으로 불완전하고 부정확하며 자체 감독 및 부드러움 제약 조건으로 구성된 포괄적인 목표를 사용하여 학습됩니다. 제안된 접근 방식은 객관적인 손실에 직접적으로 전역 및 로컬 일관성 제약을 적용합니다. 이는 본질적으로 대규모 포인트 클라우드 공간에서 제한된 주석으로 희박한 3D 포인트 클라우드를 분할하는 문제를 처리합니다. ShapeNet 및 S3DIS 벤치마크에 대한 우리의 실험은 매우 제한된 레이블에도 불구하고 대규모 포인트 클라우드 의미론의 효율적인(20 epoch 이내) 학습을 위해 제안된 접근 방식의 효율성을 보여줍니다.

발행
IEICE TRANSACTIONS on Information Vol.E104-D No.12 pp.2237-2243
발행일
2021/12/01
공개일
2021/09/24
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2021EDP7134
원고의 종류
PAPER
범주
이미지 인식, 컴퓨터 비전

작성자

Zifen HE
  Kunming University of Science and Technology
Shouye ZHU
  Kunming University of Science and Technology
Ying HUANG
  Kunming University of Science and Technology
Yinhui ZHANG
  Kunming University of Science and Technology

키워드