基于Ghost卷积与自适应注意力的点云分类

  • 打印
  • 收藏
收藏成功


打开文本图片集

摘  要: 点云Transformer网络在提取三维点云的局部特征和携带的多级自注意力机制方面展现出了卓越的特征学习能力。然而,多级自注意力层对计算和内存资源的要求极高,且未充分考虑特征融合中层级间以及通道间的区分度与关联性。为解决上述问题,提出一种基于点云Transformer的轻量级特征增强融合分类网络EFF⁃LPCT。(剩余13721字)

monitor