地科學院碩士生徐濤在測繪領域主流期刊《測繪學報》上發表題為“融合圖卷積與多尺度特征的接觸網點雲語義分割”的研究論文。

該研究主要針對接觸網場景複雜，部件之間的尺寸差異較大，并且存在着較多語義信息接近且相連的部件，導緻現有的深度學習方法難以高精度地完成接觸網點雲語義分割任務。因此，本文提出了一種基于圖卷積和多尺度特征的神經網絡GDM-Net（圖1）。該網絡包含基于圖的局部特征提取器，增強了對接觸網點雲局部特征提取；雙重通道注意力模塊，同時兼顧了接觸網點雲的全局和顯著特征的提取；多尺度特征融合的細化模塊,通過提取并融合接觸網的多尺度信息，提升了分割精度。受益于上述幾個模塊，該網絡提升了對于接觸網部件交界處的點雲分割能力。基于接觸網數據集對該方法進行定性和定量的驗證分析，GDM-Net相較于5種其他的點雲深度學習方法，精度最高，OA、mIoU和F1值這3個精度指标分别可以達到96.73%，91.06%和95.28%（圖2）。實驗表明，本文提出的網絡可以有效減少部件連接部分的錯分問題，提高接觸網部件分割的完整性。

《測繪學報》是中國科學技術協會主管，中國測繪地理信息學會主辦的綜合性學術刊物。主要涉及大地測量、全球導航衛星系統、遙感、航空攝影測量、工程測量、地圖學、地理信息系統、礦山測量、海洋測繪、地籍測繪、測繪儀器、信息傳輸等測繪地理信息學科及其相關相鄰學科。

論文鍊接：

https://kns.cnki.net/kcms2/article/abstract?v=Mw9fkKjKljqEfp_MdHnAdflvUkmNSK0OyodUfO7qw8e2KEevk3143YGBrHi_YkSvF_RXhQCD7EJ0U6XfZ4jpCGXeRzqQ8Jny0W6ku7tcjcnlknJSidyCjgYRKRBA1QcXxfA-puVkYOgkPioPlvpUjR0DOFik0lo8rSLMCCkOpxw=&uniplatform=NZKPT

圖1 GDM-Net網絡

圖2 同類算法檢測結果對比

圖3 論文