金字塔点：一种用于重访特征层的多级聚焦网络
计算机视觉与模式识别
2020-11-24 v2 人工智能
机器学习
摘要
我们提出了一种从无序点集中学习多样化物体类别的方法。我们提出了金字塔点（Pyramid Point）网络，其使用密集金字塔结构而非语义分割网络中常见的传统“U”形结构。该金字塔结构提供了二次观察，使网络能够同时重访不同层，通过创建噪声更少的额外层来增加上下文信息。我们引入了聚焦核点卷积（FKP Conv），它在传统点卷积基础上通过对核输出添加注意力机制进行了扩展。该 FKP Conv 提升了我们的特征质量，并允许我们动态地对核输出进行加权。这些 FKP Conv 是我们循环 FKP 瓶颈块的核心部分，构成了编码器主干。借助这一独特网络，我们在三个基准数据集上展示了具有竞争力的性能。我们还进行了消融研究，以展示 FKP Conv 中每个元素的正向作用。
引用
@article{arxiv.2011.08692,
title = {Pyramid Point: A Multi-Level Focusing Network for Revisiting Feature Layers},
author = {Nina Varney and Vijayan K. Asari and Quinn Graehling},
journal= {arXiv preprint arXiv:2011.08692},
year = {2020}
}
备注
10 pages, 10 figures