Abstract
تؤكد معظم طرق التعرف على المكان القائمة على سحابة النقاط الحالية على استخراج الميزات من النقاط الفردية أو المناطق المحلية، مع إهمال كبير للمعلومات العلائقية المدمجة ضمن الأحياء المحلية. نتيجة لذلك، غالبًا ما تفشل في التقاط الأنماط العلائقية التمييزية، مما يؤدي إلى تقليل دقة التعرف في المشاهد التي تحتوي على هياكل هندسية متشابهة. في هذه الورقة، نقترح شبكة واعية بالعلاقات جديدة (RA-Net) للتعرف على المكان. تستغل RA-Net بشكل مشترك الإشارات العلائقية المحلية والمعلومات السياقية العالمية لتعلم تمثيلات المشهد التمييزية للتعرف على المكان القائم على سحابة النقاط واسعة النطاق. أولاً، يتم اقتراح وحدة استخراج ميزات العلائق المكانية (SRFE) لاستغلال المعلومات العلائقية المدمجة ضمن الأحياء المحلية. من خلال تعلم أوزان واعية بالعلاقات وتجميع معلومات الأحياء بشكل تكيفي، تلتقط الوحدة المقترحة أنماطًا علائقية تمييزية من خلال الأخذ بالاعتبار اختلافات الميزات والإزاحات المكانية معًا. علاوة على ذلك، تم تقديم وحدة استخراج الميزات العالمية (GFE) لتجميع إحصائيات الميزات العالمية ودمجها مع التمثيلات النقطية، مما يمكّن الميزات المحلية من التعزيز بإشارات سياقية عالمية. تُظهر النتائج التجريبية على أربعة مجموعات بيانات معيارية أن RA-Net يمكنها توليد واصفات عالمية أكثر تمييزًا وتحقيق أداء واعد. كما تظهر قدرات تعميم قوية على المشاهد غير المرئية.
Keywords
واعية بالعلاقات;سحابة النقاط;التعرف على الأماكن;التعلم العميق
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website