来源：期刊VIP网 时间：
作者：蔡训峰;徐卓揆;朱彬;孔德娣;陶宇;
单位：长沙理工大学交通运输工程学院;长沙理工大学公路地质灾变预警空间信息技术湖南省工程实验室;
摘要：针对当前基于卷积神经网络的语义分割存在漏检、错检和效率低的问题，提出了一种联合RandLA-Net和CDIA的LiDAR点云语义分割网络RandLA-CDIA,使网络兼顾了RandLA-Net高精度和CDIA高效率的特点。先对CBAM进行改进命名为CDIA,考虑C、H、W不同维度之间的依赖关系，强化网络对局部信息的学习；设计多尺度跳跃连接解决U-Net单一尺度传递导致的感受野受限问题；在RandLA-Net的集合抽象模块中添加CDIA,捕捉上下文语义信息和跨维度的特征关系，丰富特征表达能力；利用多尺度跳跃连接替换解码器中的卷积块，结合RandLA-Net和CDIA构建RandLA-CDIA网络，并在Toronto-3D数据集上选取4块区域进行验证。结果表明，与RandLA-Net、RandLA-CBAM、RandLA-CBL在OA、mIoU、Kappa及F_1-Score 4个指标上均为最优，实现了不同地物分割，减少了漏检、错检现象，在语义分割任务中表现出了良好的性能，通过消融实验验证了该网络的稳定性。
关键词：RandLA-Net;;CDIA;;多尺度跳跃连接;;RandLA-CDIA
基金资助：长沙理工大学公路地质灾变预警空间信息技术湖南省工程实验室开放基金资助项目(kfj180602)
