检索结果

Select

1. 基于注意力机制和全局特征优化的点云语义分割

张鹏飞, 韩李涛, 冯恒健, 李洪梅

《计算机应用》唯一官方网站 2024, 44 (4): 1086-1092. DOI: 10.11772/j.issn.1001-9081.2023050588

摘要（323）

HTML （18）

PDF （1971KB）（367）

在基于深度学习的三维点云语义分割算法中，为了加强提取局部特征细粒度能力和学习不同局部邻域之间的长程依赖性，提出一种基于注意力机制和全局特征优化的神经网络。首先，通过加性注意力的形式设计单通道注意力（SCA）模块和点注意力（PA）模块，前者通过自适应调节单通道中各点特征加强对局部特征的分辨能力，后者通过调节单点特征向量之间的重要程度抑制无用特征并减少特征冗余；其次，加入全局特征聚合（GFA）模块，聚合各局部邻域特征，以捕获全局上下文信息，从而提高语义分割精度。实验结果表明，在点云数据集S3DIS上，所提网络的平均交并比（mIoU）相较于RandLA-Net（Random sampling and an effective Local feature Aggregator Network）提升了1.8个百分点，分割性能良好，具有较好的适应性。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 自动确定聚类中心的比较密度峰值聚类算法

郭佳, 韩李涛, 孙宪龙, 周丽娟

计算机应用 2021, 41 (3): 738-744. DOI: 10.11772/j.issn.1001-9081.2020071071

摘要（636）

PDF （2809KB）（641）

针对密度峰值聚类算法（DPC）不能自动确定聚类中心，并且聚类中心点与非聚类中心点在决策图上的显示不够明显的问题，设计了一种自动确定聚类中心的比较密度峰值聚类算法（ACPC）。该算法首先利用距离的比较量来代替原距离参数，使潜在的聚类中心在决策图中更加突出；然后通过二维区间估计方法进行对聚类中心的自动选取，从而实现聚类过程的自动化。仿真实验结果表明，在4个合成数据集上ACPC取得了更好的聚类效果；而在真实数据集上的Accuracy指标对比表明，在Iris数据集上，ACPC聚类结果可达到94%，与传统的DPC算法相比提高了27.3%，ACPC解决了交互式选取聚类中心的问题。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于多核计算环境的地貌晕渲并行算法

韩李涛, 刘海龙, 孔巧丽, 阳凡林

计算机应用 2017, 37 (7): 1911-1915. DOI: 10.11772/j.issn.1001-9081.2017.07.1911

摘要（532）

PDF （1000KB）（451）

针对现有地貌晕渲算法多是基于单核单线程编程模式从而导致计算效率较低的问题，提出利用多核并行计算模式对现有地貌晕渲算法进行并行化改进。首先，通过格网分割方式对原始数字高程模型（DEM）数据进行分割从而实现数据分块；其次，利用.NET环境下的Parallel类对分块数据进行并行晕渲处理，得到各个分块数据的晕渲结果；最后，对各个分块数据的晕渲图像进行拼接，从而得到完整的地貌晕渲图像。实验结果表明：并行化改进算法的计算效率明显高于现有单核单线程地貌晕渲算法，且参与计算核数与晕渲效率基本上呈线性增长关系；同时，分析发现地貌晕渲的立体真实感与光源参数的设置极其相关。

参考文献 | 相关文章 | 多维度评价