GraNet：用于ALS点云分类的全局关系感知注意力网络
计算机视觉与模式识别
2020-12-29 v1
摘要
本工作中，我们提出一种专注于ALS点云语义标注的新型神经网络，其探究长程空间与通道关系的重要性，被称为全局关系感知注意力网络（GraNet）。GraNet首先使用局部空间差异注意力卷积模块（LoSDA）学习局部几何描述与局部依赖。在LoSDA中，通过堆叠若干局部空间几何学习模块充分考量方向信息、空间分布与高程差异，并借助注意力池化模块嵌入局部依赖。继而，研究由空间关系感知注意力模块（SRA）与通道关系感知注意力模块（CRA）构成的全局关系感知注意力模块（GRA），以进一步学习任意空间位置与特征向量间的全局空间与通道关系。上述两个重要模块被嵌入多尺度网络架构中以进一步考量大城市区域中的尺度变化。我们在两个ALS点云数据集上进行了综合实验以评估所提框架的性能。结果表明，相较其他常用先进分类方法，我们的方法可获得更高分类精度。在ISPRS基准数据集上，我们方法的总体精度（OA）提升至84.5%以分类九类语义，平均F1度量（AvgF1）为73.5%。具体而言，各目标类的F1值为：电力线66.3%、低矮植被82.8%、不透水面91.8%、汽车80.7%、栅栏51.2%、屋顶94.6%、立面62.1%、灌木49.9%、树木82.1%。此外，使用覆盖高密度城市区域的新ALS点云数据集进行了实验。
引用
@article{arxiv.2012.13466,
title = {GraNet: Global Relation-aware Attentional Network for ALS Point Cloud Classification},
author = {Rong Huang and Yusheng Xu and Uwe Stilla},
journal= {arXiv preprint arXiv:2012.13466},
year = {2020}
}
备注
Manuscript submitted to ISPRS Journal of Photogrammetry and Remote Sensing